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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

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

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 9. el adás Bevezetés az ökonozikába El adó: London András 2015. november 2. Motiváció Komplex rendszerek modellezése statisztikus mechanika és elméleti zika

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

hogy a tételben megfogalmazott feltételek nemcsak elégséges, hanem egyben szükséges feltételei is a centrális határeloszlástételnek.

hogy a tételben megfogalmazott feltételek nemcsak elégséges, hanem egyben szükséges feltételei is a centrális határeloszlástételnek. A Valószínűségszámítás II. előadássorozat második témája. A CENTRÁLIS HATÁRELOSZLÁSTÉTEL A valószínűségszámítás legfontosabb eredménye a centrális határeloszlástétel. Ez azt mondja ki, hogy független valószínűségi

Részletesebben

1. Lineáris differenciaegyenletek

1. Lineáris differenciaegyenletek Lineáris differenciaegyenletek Tekintsük az alábbi egyenletet: f(n) af(n ) + bf(n + ), (K < n < N) f(k) d, f(n) d Keressük a megoldást f(n) α n alakban Így kajuk a következőket: α n aα n + bα n+ α a +

Részletesebben

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

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

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

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok VALÓSZÍNŰSÉGSZÁMÍTÁS MSc Órai Feladatok 1. Feladat (Diszkrét eloszlás) Ketten kosárlabdáznak. Az A játékos 0,4 a B játékos 0,3 valószínűséggel dob kosarat. A dobást A kezdi és felváltva dobnak egymás után.

Részletesebben

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. 1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét

Részletesebben

Markov modellek 2015.03.19.

Markov modellek 2015.03.19. Markov modellek 2015.03.19. Markov-láncok Markov-tulajdonság: egy folyamat korábbi állapotai a későbbiekre csak a jelen állapoton keresztül gyakorolnak befolyást. Semmi, ami a múltban történt, nem ad előrejelzést

Részletesebben

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) 5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

A biomatematika alapjai és a kapcsolódó feladatok megoldása számítógép segítségével Abonyi-Tóth Zsolt, 2005-2006 készült Harnos Andrea, Reiczigel Jenő zoológus előadásainak valamint Fodor János és Solymosi

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

Példa a report dokumentumosztály használatára

Példa a report dokumentumosztály használatára Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............

Részletesebben

Vállalatértékelés példák

Vállalatértékelés példák Vállalatértékelés példák Részvényértékelés reálopcióval Egy vállalat eszközeinek várható értéke jelenleg 1000 mft. Ennek a relatív szóródása 40%. Rövid lejáratú hitel összege 10 mft, kamata 10%, lejárata

Részletesebben

Matematika. 9.osztály: Ajánlott tankönyv és feladatgyűjtemény: Matematika I-II. kötet (Apáczai Kiadó; AP-090803 és AP-090804)

Matematika. 9.osztály: Ajánlott tankönyv és feladatgyűjtemény: Matematika I-II. kötet (Apáczai Kiadó; AP-090803 és AP-090804) Matematika A definíciókat és tételeket (bizonyítás nélkül) ki kell mondani, a tananyagrészekhez tartozó alap- és közepes nehézségű feladatokat kell tudni megoldani A javítóvizsga 60 -es írásbeliből áll.

Részletesebben

1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?

1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? Matematikai statisztika példák Matematikai statisztika példák Normális eloszlás 1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? 2. Majmok ébredését

Részletesebben

Feladatok: a huszadik vagy valamely későbbi dobásban jelenik meg. n 1 5. hatos dobás a 20. dobásban vagy azután jelenik meg egyenlő annak a

Feladatok: a huszadik vagy valamely későbbi dobásban jelenik meg. n 1 5. hatos dobás a 20. dobásban vagy azután jelenik meg egyenlő annak a Feladatok:. Dobjunk fel egy szabályos dobókockát egymás után egymástól függetlenül végtelen sokszor. Számítsuk ki annak a valószínűségét, hogy a harmadik hatos dobás vagy a huszadik vagy valamely későbbi

Részletesebben

Minta 2. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI FELADATSOR. I. rész

Minta 2. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI FELADATSOR. I. rész 2. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI FELADATSOR I. rész A feladatok megoldására 45 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A feladatok megoldásához

Részletesebben

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam 1. félév Gondolkozás, számolás - halmazok, műveletek halmazokkal, intervallumok - racionális számok, műveletek racionális számokkal, zárójel

Részletesebben

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem Adminisztratív kérdések, bevezetés Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Első fejezet Tartalom Technikai kérdések 1 Technikai kérdések Adminisztratív

Részletesebben

CHT& NSZT Hoeffding NET mom. stabilis. 2011. november 9.

CHT& NSZT Hoeffding NET mom. stabilis. 2011. november 9. CHT& NSZT Hoeffding NET mom. stabilis Becslések, határeloszlás tételek Székely Balázs 2011. november 9. CHT& NSZT Hoeffding NET mom. stabilis 1 CHT és NSZT 2 Hoeffding-egyenlőtlenség Alkalmazása: Beengedés

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

Valószínűség számítás

Valószínűség számítás Valószínűség számítás 1. Mennyi annak a valószínűsége, hogy szabályos játékkockával páratlan számot dobunk? 2. Egy dobozban 7 piros és 13 zöld golyó van. Ha találomra kihúzunk egyet közülük, akkor mekkora

Részletesebben

10. Exponenciális rendszerek

10. Exponenciális rendszerek 1 Exponenciális rendszerek 1 Egy boltba exponenciális időközökkel átlagosan percenként érkeznek a vevők két eladó, ndrás és éla, átlagosan 1 illetve 6 vevőt tud óránként kiszolgálni mennyiben egy vevő

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Statisztika 2. normál kurzusok számára

TANTÁRGYI ÚTMUTATÓ. Statisztika 2. normál kurzusok számára II. évfolyam BA TANTÁRGYI ÚTMUTATÓ Statisztika 2. normál kurzusok számára TÁVOKTATÁS Tanév 2014/2015 I. félév A KURZUS ALAPADATAI Tárgy megnevezése: Statisztika 2. Tanszék: Módszertani Tantárgyfelelős

Részletesebben

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak Matematika feladatbank I. Statisztika Elméleti összefoglaló és feladatgyűjtemény középiskolásoknak ÍRTA ÉS ÖSSZEÁLLÍTOTTA: Dugasz János 2011 Fapadoskonyv.hu Kft. Dugasz János Tartalom Bevezető 7 Adatok

Részletesebben

OKM ISKOLAI EREDMÉNYEK

OKM ISKOLAI EREDMÉNYEK OKM ISKOLAI EREDMÉNYEK Statisztikai alapfogalmak Item Statisztikai alapfogalmak Átlag Leggyakrabban: számtani átlag Egyetlen számadat jól jellemzi az eredményeket Óvatosan: elfed Statisztikai alapfogalmak

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık

Részletesebben

P (ξ < 490) = F ξ (490) = Φ( 490 m ) = 0.03 10

P (ξ < 490) = F ξ (490) = Φ( 490 m ) = 0.03 10 Valszám-megoldások. Feladat. Legyen P (A =, 3 és P (B =, 6... Kérdés. Mennyi P (A + B, P (AB, ill. P (A B, ha A és B függetlenek?... Megoldás. Ha A és B függetlenek, akkor A és B, valamint B és A, valamint

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

Közoktatás-értékelési programok. Pongrácz László Oktatási Hivatal Közoktatás-értékelési Programok Főosztálya főosztályvezető

Közoktatás-értékelési programok. Pongrácz László Oktatási Hivatal Közoktatás-értékelési Programok Főosztálya főosztályvezető Közoktatás-értékelési programok Pongrácz László Oktatási Hivatal Közoktatás-értékelési Programok Főosztálya főosztályvezető Közoktatás-értékelési programok PIRLS (szövegértés (5)) TIMSS (matematika, természettudomány

Részletesebben

AGRÁRMÉRNÖK SZAK Alkalmazott matematika, II. félév Összefoglaló feladatok 2. 4. A síkban 16 db általános helyzetű pont hány egyenest határoz meg?

AGRÁRMÉRNÖK SZAK Alkalmazott matematika, II. félév Összefoglaló feladatok 2. 4. A síkban 16 db általános helyzetű pont hány egyenest határoz meg? KOMBINATORIKA FELADATSOR 1 1. Hányféleképpen rendezhető egy sorba egy óvodás csoport ha 9 lány és 6 fiú van és a lányokat mindig előre akarjuk állítani? 2. Hány 6-jegyű telefonszám van ahol mind 35-tel

Részletesebben

XY_TANULÓ FELADATSOR 8. ÉVFOLYAM MATEMATIKA

XY_TANULÓ FELADATSOR 8. ÉVFOLYAM MATEMATIKA XY_TNULÓ FELTSOR 8. ÉVFOLYM MTEMTIK 1. feladat: akkumulátor mc006 Egy mobiltelefon akkumulátorának töltöttségi állapota a következőképpen változott két nap leforgása alatt. Habekapcsoljuk,denemhasználjuk,48óraalattmerülleteljesenatelefon.Folyamatoshasználatban

Részletesebben

NT-17202 Matematika 10. (Heuréka) Tanmenetjavaslat

NT-17202 Matematika 10. (Heuréka) Tanmenetjavaslat NT-17202 Matematika 10. (Heuréka) Tanmenetjavaslat A Dr. Gerőcs László Számadó László Matematika 10. tankönyv A Heuréka-sorozat tagja, így folytatása a Matematika 9. tankönyvnek. Ez a kötet is elsősorban

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az

Részletesebben

PRÓBAÉRETTSÉGI VIZSGA 2014. január 18.

PRÓBAÉRETTSÉGI VIZSGA 2014. január 18. MATEMATIKA PRÓBAÉRETTSÉGI VIZSGA 2014. január 18. Matematika KÖZÉPSZINTŰ PRÓBAÉRETTSÉGI VIZSGA Név E-mail cím Tanárok neve Pontszám 2014. január 18. I. Időtartam: 45 perc STUDIUM GENERALE MATEMATIKA SZEKCIÓ

Részletesebben

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Hódiné Szél Margit SZTE MGK 1 A XXI. században az informatika rohamos terjedése miatt elengedhetetlen, hogy

Részletesebben

Matematika PRÉ megoldókulcs 2013. január 19. MATEMATIKA PRÓBAÉRETTSÉGI MEGOLDÓKULCS KÖZÉPSZINT

Matematika PRÉ megoldókulcs 2013. január 19. MATEMATIKA PRÓBAÉRETTSÉGI MEGOLDÓKULCS KÖZÉPSZINT Matematika PRÉ megoldókulcs 013. január 19. MATEMATIKA PRÓBAÉRETTSÉGI MEGOLDÓKULCS KÖZÉPSZINT I. rész: Az alábbi 1 feladat megoldása kötelező volt! 1) Adott A( 1; 3 ) és B( ; ) 7 9 pont. Határozza meg

Részletesebben

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 8. Valószínűség-számítás II. Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

Szakközépiskola 9. évfolyam. I/1 gyakorló feladatsor

Szakközépiskola 9. évfolyam. I/1 gyakorló feladatsor Szakközépiskola 9. évfolyam I/1 gyakorló feladatsor 1. Adott az A={1,,3,4,5,6} és a B={1,3,5,7,9} halmaz. Adjuk meg elemeinek felsorolásával az AUB és az A\B halmazokat!. Számítsuk ki a 40 és 560 legnagyobb

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

= 3 és az y = 1 egyenletű egyenesek metszéspontjának (M)

= 3 és az y = 1 egyenletű egyenesek metszéspontjának (M) Matematika PRÉ megoldókulcs 04. január 8. MATEMATIKA PRÓBAÉRETTSÉGI MEGOLDÓKULCS KÖZÉPSZINT I. rész: Az alábbi feladat megoldása kötelező volt! ) Adja meg az x+ y = 3 és az y = egyenletű egyenesek metszéspontjának

Részletesebben

Nemparametrikus tesztek. 2014. december 3.

Nemparametrikus tesztek. 2014. december 3. Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha

Részletesebben

Iskolai jelentés. 10. évfolyam szövegértés

Iskolai jelentés. 10. évfolyam szövegértés 2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói

Részletesebben

Valószínűségszámítás feladatok

Valószínűségszámítás feladatok Valószínűségszámítás feladato A FELADATOK MEGOLDÁSAI A 0. FELADAT UTÁN TALÁLHATÓK.. Egyszerre dobun fel három érmét. Mi anna a valószínűsége, hogy mindegyine ugyanaz az oldala erül felülre?. Két dobóocát

Részletesebben

Matematika _ 2. Ha feldobunk három különböző pénzérmét, annak 8 különböző eredménye lehet. Az alábbi ábra ezt a 8 lehetséges esetet mutatja.

Matematika _ 2. Ha feldobunk három különböző pénzérmét, annak 8 különböző eredménye lehet. Az alábbi ábra ezt a 8 lehetséges esetet mutatja. Matematika _ 2. 1. feladat Ha feldobunk három különböző pénzérmét, annak 8 különböző eredménye lehet. z alábbi ábra ezt a 8 lehetséges esetet mutatja. ) Mekkora annak az esélye, hogy legalább két érme

Részletesebben

Statisztikai módszerek 7. gyakorlat

Statisztikai módszerek 7. gyakorlat Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ2próbával MIRE SZOLGÁL? Illeszkedés-vizsgálat Ryan-Joiner próbával A val.-i vált. eloszlása egy adott

Részletesebben

Központi mérésekés a vizsgarendszer fejlesztése Fizika Kérjük, hogy válaszoljon az alábbi kérdésekre!

Központi mérésekés a vizsgarendszer fejlesztése Fizika Kérjük, hogy válaszoljon az alábbi kérdésekre! Eötvös Loránd Fizikai Társulat Középiskolai Oktatási Szakcsoportjának véleménye Elküldve: 214. 3.2. Központi mérésekés a vizsgarendszer fejlesztése Fizika Kérjük, hogy válaszoljon az alábbi kérdésekre!

Részletesebben

Matematika 9. évfolyam

Matematika 9. évfolyam I. Vezetői összefoglaló Matematika 9. évfolyam A tankönyv a megkérdezett pedagógusok többségének nem nyerte el a tetszését. A pedagógusok fele egyáltalán nem szeretne a jövőben a tankönyvből tanítani,

Részletesebben

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA 1 SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA Heti óraszám: 3 Éves óraszám: 37 x 3 = 111 A tanmenet 101 óra beosztását tartalmazza. A dolgozatok írása és javítása 10 órát foglal

Részletesebben

EFESTO Projekt. elearning Környezet Fogyatékkal Élő Hallgatók Számára 1. Elméleti kurzusok

EFESTO Projekt. elearning Környezet Fogyatékkal Élő Hallgatók Számára 1. Elméleti kurzusok EFESTO Projekt elearning Környezet Fogyatékkal Élő Hallgatók Számára 1 Elméleti kurzusok Projekt címe: e-learning environment for disable learners Projekt címének rövidítése: efesto Szerződés száma 2009-1-PL1-LEO05-05028

Részletesebben

A kutatás alapú tanárképzés és tanártovábbképzés

A kutatás alapú tanárképzés és tanártovábbképzés Csapó Benő www.staff.u-szeged.hu/~csapo A kutatás alapú tanárképzés és tanártovábbképzés TEMPUS Közalapítvány Budapest, 2008. december 11. NEVELÉSTUDOMÁNYI INTÉZET VÁZLAT Az oktatás szerepe a társadalom

Részletesebben

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának? Statisztika 2015. május 08. D csoport Név Neptun kód 1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik pályázatnál 320 pályázóból 42 nyert, a másik pályázatnál

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

Óravázlatsor a tízesátlépés előkészítésére,majd az összeadásra tízesátlépéssel. 9-hez, 8-hoz adás..

Óravázlatsor a tízesátlépés előkészítésére,majd az összeadásra tízesátlépéssel. 9-hez, 8-hoz adás.. A kompetenciafejlesztési projekt megvalósítása Kondoroson Petőfi István Általános Iskola Diákotthon és Alapfokú Művészetoktatási Intézmény Óravázlatsor a tízesátlépés előkészítésére,majd az összeadásra

Részletesebben

MATEMATIKA ÉRETTSÉGI 2008. május 06. KÖZÉPSZINT I.

MATEMATIKA ÉRETTSÉGI 2008. május 06. KÖZÉPSZINT I. 1) Adja meg a Például: 1 ; 8 8 M 1 ; 10 5 MATEMATIKA ÉRETTSÉGI 008. május 06. KÖZÉPSZINT I. nyílt intervallum két különböző elemét! ( pont) ( pont) ) Egy 7-tagú társaságban mindenki mindenkivel egyszer

Részletesebben

Villamosmérnök A4 4. gyakorlat (2012. 10. 01.-02.) Várható érték, szórás, módusz

Villamosmérnök A4 4. gyakorlat (2012. 10. 01.-02.) Várható érték, szórás, módusz Villamosmérnök A4 4. gyakorlat (0. 0. 0.-0.) Várható érték, szórás, módusz. A k 0, (k,,, 4) diszkrét eloszlásnak (itt P(X k)) mennyi a (a) várható értéke, (b) módusza, (c) második momentuma, (d) szórása?

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 11 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Statisztika 1.

TANTÁRGYI ÚTMUTATÓ. Statisztika 1. I. évfolyam BA TANTÁRGYI ÚTMUTATÓ Statisztika 1. TÁVOKTATÁS Tanév 2014/2015 II. félév A KURZUS ALAPADATAI Tárgy megnevezése: Statisztika 1. Tanszék: Módszertani Tantárgyfelelős neve: Sándorné Dr. Kriszt

Részletesebben

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán MTA KFKI Részecske és Magfizikai Intézet, Biofizikai osztály Az egy adatsorra (idősorra) is alkalmazható módszerek Példa: Az epileptikus

Részletesebben

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 1. A populációt a számunkra érdekes egységek (személyek, csalások, iskolák stb.) alkotják,

Részletesebben

SOL SOL önszervezõ tanulás

SOL SOL önszervezõ tanulás SOL önszervezõ tanulás A SOL olyan megközelítés, amely a modern, a tanulói aktivitás növelését támogató oktatási módszereket újragondolja és olyan oktatási elméletté szervezi, mely magában foglalja a tartalmat

Részletesebben

Valószín ségszámítás

Valószín ségszámítás Sinkovicz Péter Valószín ségszámítás IV ÉVES FIZIKUS HALLGATÓK RÉSZÉRE Sinkovicz Péter Budapest, 2012 Tartalomjegyzék Valószín ségszámítás Kombinatorika 1 1.1 Klasszikus valószín ségi összefoglaló.........................

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha

Részletesebben

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 100% 90% 80% 70% 60% 50% 2010 2011 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% a) Nevezze

Részletesebben

(6/1) Valószínűségszámítás

(6/1) Valószínűségszámítás (6/1) Valószínűségszámítás 1) Mekkora annak a valószínűsége, hogy szabályos játékkockával páratlan számot dobunk? 2) Egy dobozban 7 piros és 13 zöld golyó van. Ha találomra kihúzunk egyet közülük, akkor

Részletesebben

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia

Részletesebben

Hol terem a magyar statisztikus?

Hol terem a magyar statisztikus? Hol terem a magyar statisztikus? 90 éves az MST jubileumi konferencia Balatonőszöd, 2012. november 15-16. Rappai Gábor PTE KTK Ki a statisztikus? Értelmező Szótár Statisztikával foglalkozó szakember. Etikai

Részletesebben

Az Informatika Elméleti Alapjai

Az Informatika Elméleti Alapjai Az Informatika Elméleti Alapjai dr. Kutor László Az üzenet információ-tartalma és redundanciája Tömörítő algoritmusok elemzése http://mobil.nik.bmf.hu/tantárgyak/iea.html Felhasználónév: iea Jelszó: IEA07

Részletesebben

Véletlen gráfok. Példák: Kávéra vizet öntünk és alul kifolyik a víz: Olaj vagy víz átszívárgása egy kőzetrétegen:

Véletlen gráfok. Példák: Kávéra vizet öntünk és alul kifolyik a víz: Olaj vagy víz átszívárgása egy kőzetrétegen: Virág Bálint Véletlen Gráfok/1 Véletlen gráfok Példák: Kávéra vizet öntünk és alul kifolyik a víz: Olaj vagy víz átszívárgása egy kőzetrétegen: Mind az olaj, mind a víz bekerül egy rendszerbe, mely makroszinten

Részletesebben

Túlélés analízis. Probléma:

Túlélés analízis. Probléma: 1 Probléma: Túlélés analízis - Túlélési idő vizsgálata speciális vizsgálati módszereket igényel (pl. két csoport között az idők átlagait nem lehet direkt módon összehasonlítani) - A túlélési idő nem normális

Részletesebben