Információs rendszerek elméleti alapjai. Információelmélet
|
|
- Hanna Csonka
- 5 évvel ezelőtt
- Látták:
Átírás
1 Inormációs rendszerek elméleti alapjai Inormációelmélet
2 Relatív bonyolultság Kolmogorov-Chaitin-Solomono alaptétele, invariancia tétel (újabban) Tétel: Létezik : NN optimális parciális rekurzív üggvény, amelyhez bármely : NN parciális rekurzív üggvény esetében létezik k konstans, hogy C (x) C (x)+ k, x-re Következmény: (invariancia), g optimális üggvények, C (x)-c g (x) < k,g, x-re Tehát C (x) konstans erejéig egyértelmű
3 Relatív bonyolultság Rögzítsük mostantól az optimális üggvényt (Általában jó az univerzális Turing-gép megelelő változata) Deinició: Az x N, Kolmogorv bonyolultságán C(x)= C (x) üggvényt értjük Intuitív háttér
4 Invariancia tétel Bizonyítása : Tetszőleges, x. Ha C (x) = k, akkor legyen (p)=x, és l(p)=k. C x min lp: p Vegyük az U(g,n) univerzális parciális rekurzív üggvényt. Legyen, sorszáma n, azaz U(p,n)= (y), A z=n p kódból (z)=u( 12 (z), 11 (z))= U(p,n)= (p)= x Ezért C (x) l(z)=l(n p)= l(p)+2l(l(n))+l(n)+1= C (x) +k Tehát optimális. QED. x
5 Invariancia tétel Tulajdonságok Két konkrét tulajdonsággal lehet bizonyítást végezni: a) Az Invariancia tétel alapján elülről becsülhető C(x) konkrét C (x) ből. b) C (x) =k, jelentése: létezik egy konkrét k hosszú p szó, amelyre l(p)=k. 1. Tulajdonság: C (x) l(x)+ k 1 Bizonyítás: (p)=p-vel, az a) tulajdonságból. 2. lim C (x) =, x. Bizonyítás: ha sokszor N korlát alatt maradna, az a b) tulajdonság miatt csak 2 N, kód használatát jelentené, ami lehetetlen
6 Invariancia tétel Tulajdonságok 3. C (x) totális (teljes) üggvény, de nem kiszámítható. Bizonyítás: Indirekten: ha az volna, akkor legyen x 1 : ahol C (x) először nagyobb 2-nél, x 2 : ahol C (x) először nagyobb 2 2 -nél,.. xk : x k > x k-1, és C (x) először nagyobb 2 k -nál, C(x k ) > 2 k.. Legyen (p)=x p. C (x k )log 2 k log 2 (log 2 C(x k )) azért, mert C (x k )=min {l(p): (p)=x k }=min {l(k): (k)=x k }, és l(k)= log 2 k, log 2 C(x k )> k Nyilván: C(x k ) C (x k )+k log 2 (log 2 C(x k ))+ k Csak véges sok x k -ra teljesülhet, ellentmondás. QED
7 Invariancia tétel Tulajdonságok Az a) és b) tulajdonságok alapján a C (x) el mégis lehet valamit kezdeni. Tulajdonság: {x:l(x)=n, C (x) < n-} < 2 n- a lehetséges kódok száma b) szerint : n- -1= 2 n- -1 Jelentés: a szavak több mint a ele nem tömöríthető!
8 Invariancia tétel Tulajdonságok Tulajdonság: i. lim C (x) =, x.; vagyis nem korlátos v. (a b) miatt) ii. Legyen m (x) = min C (y), ahol yx, az alsó burkoló. m a legnagyobb monoton növő alsó korlátja C-nek. m (x) nem korlátos iii. Bármely olyan végtelenbe tartó, monoton, parciális rekurzív (x) v.-re, amelyre valamilyen x -tól ((x) ), m(x) < (x) véges sok x kivételével. Más szavakkal, noha m(x) a végtelenbe tart, sokkal lassabban teszi azt, mint bármelyik nem korlátos parciális üggvény. Bizonyítás: (ii.) indirekt módon: m (x) növekedési helyen levő x-nek legyen m (x) a kódja. A legrövidebb program kód, amely x et előállítja. m (x) = i, x i <xx i+1., ilyen i indexek, x i kódok/ programok találhatók (p) =x, l(p)i, ha x> x i (a) miatt ez ellentmondásra vezet, ha m(x) korlátos volna, akkor C(x)C (x)+c és lim C (x) = miatt) (iii.) Lassabb kiszámítható v. létezése, ugyan ehhez az ellentmondáshoz vezet. QED
9 Invariancia tétel Tulajdonságok i. Bármely olyan végtelenbe tartó, monoton, parciális rekurzív (x) v.-re, amelyre valamilyen x -tól ((x) ), m(x) < (x) véges sok x kivételével. Más szavakkal, noha m(x) a végtelenbe tart, sokkal lassabban teszi azt, mint bármelyik nem korlátos parciális üggvény. Bizonyítás: (ii.) indirekt módon: m (x) növekedési helyen levő x-nek legyen m (x) a kódja. A legrövidebb program kód, amely x et előállítja. m (x) = i, x i <xx i+1., ilyen i indexek, x i kódok/ programok találhatók (p) =x, l(p)i, ha x> x i (a) miatt ez ellentmondásra vezet, ha m(x) korlátos volna, akkor C(x)C (x)+c és lim C (x) = miatt) (iii.) Lassabb kiszámítható v. létezése, ugyan ehhez az ellentmondáshoz vezet. QED
10 C(x) graikonja mint v. az egész számokon
11 Invariancia tétel Tulajdonságok 6. Tulajdonság: kis változásra mennyit változik? (Folytonosság) C (x+h) C (x)+ l(h) + 2log l(h) +c, (p)=x, l(p)= C (x) választással z=h p-ből, (z)= ( 12 (z))+ 11 (z)= (p)+h= x +h, C (x+h) l(p)+ l(h) + 2l( l(h) )+c. QED. A g(x,h)=x+h helyett tetszőleges kétváltozós kiszámítható üggvényt vehetünk. Adatbázisokra értelmezve, nagy adatbázis kis módosítása, nem növeli a Kolmogorov bonyolultságot. Megjegyzés: (a kétváltozós üggvény kiszámítási idejét itt nem veszi igyelembe!)
12 Feltételes Kolmogorov bonyolultság Kérdés: Mennyit segít y ismerete x kiszámításában? Mekkora a legrövidebb program kódjának a hossza, ami y-ból x-et kiszámítja? p kód, p : NN parciális üggvények p (y)=x. A programok kódjai p 1, p 2,, p n. Legáltalánosabban rekurzívan elsorolható halmaz, egy h(i)=p i a elsorolás, akkor h i pi i,y hi y pi y p y i p y, i p,y nincs ha valamilyen x i - re értelmezve,ha nincs i, amire p h i hi p i p. 12
13 Feltételes Kolmogorov bonyolultság Deiníció: p : N 2 N szerinti eltételes bonyolultsága x-nek az y eltétel ismeretében: C Tétel : Létezik parciálisa n rekurzív amire bármely parciálisa n rekurzív k C x y konstans, hogy l p: p, y min p, ha nem létezik optimális : : 2 üggvény, ilyen üggvényhe x y C x y k, x, y N re N 2 N : x N 2 p N z létezik 13
14 Feltételes Kolmogorov bonyolultság optimális parciálisa n rekurzív üggvények eltételes bonyolults ága csak egy konstansba n tér el egymástól 2,g 2 : N 2 N optimális, C C x y C rögzítjük az 2 x N, eltételes x x y C 2 x y g y K ,g optimális üggvényt Kolmogorov bonyolults ága
15 Feltételes Kolmogorov bonyolultság Bizonyítás: Ugyanúgy mint az egyszerű (nem eltételes bonyolultság) esetében U((n,p), y) kétváltozós univerzális parciális üggvények segítségével
16 Feltételes Kolmogorov bonyolultság Tulajdonságai: 1) Alaptétel: C(x y) konkrét C (x y) ismeretében csak elülről becsülhető. 2) C(x y)=k jelentése: p: (p,y)=x, és l(p)=k 3) C(x) C(x y)+c(y)+2log 2 C(y)+K
17 Programok és C(x) LISP (Erlang)-unkcionális, lista kezelő Fortran 1, 2,, - Lisp programok 1, 2,.., Fortran programok Felsorolás minden program tekinthető parciális rekurzív üggvény C LISP (x) és C Fortran (x), kijelölve egy reerencia gépet. Ezek egy additív konstans erejéig különböznek. Mindegyik elsorolás tartalmaz egy U univerzális gépet (interpretert)
18 Programok és C(x) LISP programok elsorolása tartalmaz egy LISP interpretert, amelyik minden LISP programot végre tud hajtani. De nyilván létezik p LISP program, amelyik Fortran interpreter, amelyik minden Fortran programot végre tud hajtani. C LISP (x) C Fortran (x)+2l( p ), hasonlóan C Fortran (x) C LISP (x)+2l( L ) C LISP (x)- C Fortran (x) 2l( p )+ 2l( L )
19 Feltételes Kolmogorov bonyolultság 4) Halmaz szerinti eltételes bonyolultság (véges halmaz elemeinek a halmaz szerinti eltételes bonyolultsága) A={a 1,,a n } C(x A)=?, x A, < A >= a 1,, a n => C(x A)=C(x < A >) [A kódolása önkorlátozó kóddal] általános eset: adott A, A =N, kódja p [Mennyire tömören ábrázolható?]
20 Feltételes Kolmogorov bonyolultság 4) {x x A és C(x A)<log 2 N-}?, keressük : p kódot: (p, < A >)=x A, 1, 2, log 2 N--1 <-[kódhossz] log 2 N--1 = 2 log 2 N- -1 x x A C x x x A A log 2 N-δ 2 2 log 2 log 2 N-δ N
21 Feltételes Kolmogorov bonyolultság A elemeinek többségére az A szerinti eltételes bonyolultság nem lehet érdemben kisebb mint log 2 N log 2 N-nél -val rövidebb kódok száma, amit használhat N 2 - egyenletes kódhossz választása indokolt Szükséges a megelelő halmaz megtalálása A halmaz ismeretében sem lehet tömörebben ábrázolni a legtöbb elemet az egyenletes kódolásnál. Keresem a lehető a legkisebb halmazt, ami leedi a jelenséget és egyenletesen kódolom
22 Példa Személyek adataira relációs Adatbázis R(csnév, unév) csnév: 2 byte = 16 bit unév: 2 byte = 16 bit A : az összes lehetséges reláció előordulás Lehetséges különböző sorok száma: = 2 32 Lehetséges előordulások száma, az összes lehetséges részhalmaz, a hatványhalmaz, aminek a számossága:
23 Példa A I I A,C I A log Sorok számára van egy korlát a való életben < 1 milliárd (1 9 )
24 Példa csnév: első 256 leggyakoribb (8 %) unév: első 256 leggyakoribb (8 %) 4 szegmens készítése: 1. Mindkét név gyakori: 64% - 2 byte 2. Családnév gyakori : 16% - 22 byte 3. Utónév gyakori : 16% - 22 byte 4. Egyik név sem gyakori : 4% - 4 byte ( Jól kell részhalmazokra szétszedni)
25 Paraméteres halmazsereg (pl. adatbázis (reláció) sémának rögzítek egy paraméterét és az előordulás a halmazsereg). - a paraméter kód, a -> B a, véges halmaz h(a)= B a h egy totális rekurzív v. (meg tudom mondani, hogy mi van a halmazban és mi nincs benne)
26 Paraméteres halmazsereg Legyen A N N, rekurzívan elsorolható részhalmaz, B a ={x (x,a) A}
27 Paraméteres halmazsereg Megszorítás: minden a-ra B a =m a véges a alapján B a elemei elsorolhatók algoritmikusan m a -t nem tudom megmondani(kiszámítani) (mert A rekurzívan elsorolható, de a komplementer halmazáról nem tudunk semmit, ezért nem eldönthető)
28 Paraméteres halmazsereg Tétel: létezik k A, hogy C x B C x a log a 2 m a k A x B a ra, és A - ra A halmaz elemeinek a tömöríthetősége mindig eléri a log 2 (elemszám) ot, alulról elülről is becsülni tudjuk
29 Paraméteres halmazsereg Bizonyítás: B a elemei : A-hoz elsoroló üggvény (t,a) konstruálása - Futtatjuk A elsorolását,
30 Paraméteres halmazsereg Első x B a (,a) =x 1 Megyünk tovább (1,a) =x 2,, (n,a)= x n B a eleme elsorolásra került (t,a) ezután nincs értelmezve
31 Paraméteres halmazsereg Az C C és másutt Legyen t,a Ebből x B m x a C x a k lt k lt Vagyis üggvény, értelmezve a x, és t : sehol. x Ba Cx a log2 ma ka a t,a, akkor, az a - ban van t 1,,,m a nyilván 1helyeken létezik k t, hogy log2 ma elsőbecslés k. QED. Jelentés: (adatbázis) séma+paraméter jó megválasztása, Ezen belül már nem érdemes más kódolást használni, csak a homogén hosszúságút, azaz log 2 m a hosszút
32 Érdekes halmazsereg D Meg ha p x tudjuk optimális hosszú értékre k hely lépés : : 1 x C xd k x k k - e konstruáln i a elsoroló v. hely és lépésszám bejárása : valamelyik kapunk eredményt paraméterb en ez k egy v. - t? halmazsere g 32
33 Érdekes halmazsereg D nincs - e x x jobb x ui. akkor a C is kiszámítha tó volna ; általában nem lehet bebizonyít ani, hogy a Kolmogorov bonyolults ága valaminek D * ' k k x C x C Nem tudom megmondani k k nem kiszámítha tó ez kód nála sem kiszámítha tó, hogy halmaz k halmaz
34 Összehasonlítás a Shannon entrópiával Minél nagyobb/jelentősebb az adott, vizsgált jelenség, annál szorosabb a kapcsolat a két entrópia ogalom között. Hosszú sorozat, N hosszú üzenetek : H entrópia (Shannon) [stacionáris, ergodikus orrás] Két halmazba sorolható: Lényeges, tipikus halmaz: ebbe 1- val.szeg.-gel. esik a választás 2 N(H-) <M(N)< 2 N(H+). M(N)- tipikus halmaz elemszáma
35 Összehasonlítás a Shannon entrópiával Mi jellemzi a tipikus halmazt? Kolmogorov: x üzenet tipikus statisztika jellemzi, A N halmazba esik, (ez lesz a paraméteres halmaz sereg). A N ={tipikus N hosszú sorozatok} x A N : C(x A N )=C(x N)log 2 M(N)+k orrás
36 Összehasonlítás a Shannon entrópiával, ha P x TIP 1, Kiszámítha tó A paraméter A A C N log 2 M N, x lx N P x N N log 2 A x TIP N x TIP TIP x A N log2 AN ka log2 M N ka tipikus ha nem predikátum halmaz : hosszú sorozatok 36
37 Összehasonlítás a Shannon entrópiával Behelyette sítve tetsző leges -ra az Egy szimbólumra H ~ H Shannon tipikuselemére az alsó becslés, a teljesre a első teljesül : log 2 A N A N N H Cx A NH N Kolmogorov C x A N N N k orrás H ~ H N hosszú üzenetek kódját osztjuk N-nel, Shannon entrópia H N k orrás Shannon
38 Összehasonlítás a Shannon entrópiával Egy szimbólumra jutó (Shannon) entrópia a tipikus halmaz elemein a eltételes Kolmogorov entrópia egy szimbólumra jutó részével Ha nagyon nagy jelenségeket veszünk, akkor a tipikus halmaz Kolmogorov bonyolultsága visszaadja a Shannon entrópiát
39 Összehasonlítás a Shannon entrópiával Mögötte meghúzódó jelenség: a tipikus halmazbeli üzenetek egyenletes eloszlással jellemezhetők. Összes közül melyek a tipikus halmazbeli üzenetek és melyek nem 1 sorozatok véletlenszerűségét vizsgáljuk. Lehet-e pénzeldobás eredménye?
40 Összehasonlítás a Shannon entrópiával pénzeldobás 11 véletlenszerű Egyeseket (1) egyesével -ra cserélem:.. nem véletlen Van-e határvonal a véletlen és a nem véletlen között?
41 Összehasonlítás a Shannon entrópiával Szabályszerűség Ami igazán véletlen az nem tömöríthető (Kezdőszelet bonyolultsága a hosszal nő) Mennyire tipikus Véletlenség deektusa jellemezhető: {x x A és C(x A)<log 2 A -} A véletlen deektusa legalább
42 Példa Fekete ehér színezések Sakktábla Homogén illetve mákos sűrűség Fele ekete- ele ehér Egymásra helyezve a óliát érdekes jelenség Saját görbére illeszkedő transzormáció elerősödik
43
44
45
46
47
48
49
50 A jellemző szabályosságok írják le a tipikus halmazt, elemein a legbizonytalanabb, egyenletes eloszlást vesszük. Ha megtaláltuk a jó homogén halmazt, lehet, hogy a elhasználás, üzenet szempontjából a konkrét elem már érdektelen. Példa: szürke színezés. Az 1/2 szürkeség - Fuzzy halmaz - bármelyik tipikus színezéssel szemléltethető. Két színezés és sajátosságaik: a szórásnégyzet második tagja A véges világban - tehát a digitalizált világban - a matematika végtelen ideális konstrukciói - a olytonosság, végtelen, univerzális algoritmusok - csak segítenek, végtelennel közelítik a véges modellt, amit utána vissza kell véges közelítésbe hozni. np 2 p1 p 2 2n kp1 p
51
52
53 Matematikai kitérő C A kibertérben mivel azonosíthatók p -? -? C (x) U(.,.) x minl p: p p, amire p : C x ha nincs Megjegyzés x x nem mindig kiszámítha tó
54 Intuitív kitérő Egy bizonyos objektumot egy véges bináris stringgel kívánunk leírni Több leírás is létezhet, de egy leírás egy objektumot ír le Egyszerű objektum rövid leírás Bonyolult objektum hosszú leírás Richard-Berry paradoxon: Deiniáljunk egy természetes számot: a legkisebb olyan természetes szám, amelyet nem lehet leírni húsznál kevesebb szóval
55 Intuitív kitérő Ha ilyen szám létezik, akkor ezt a számot tizenkét szóval leírtuk, ellentmondva a deiníciójának. Ha ilyen szám nem létezik, akkor az összes természetes számot le lehetne írni húsznál kevesebb szóval. A leírás ogalmát pontosítani kell! D: Y X, D(y)=x, Y leírások, X az objektumok, x legyen véges mint leírás, X = Y =, (megszámlálható). - y{,1} *, üzenet továbbítás költsége távközlésben az üzenet hossz l(y). - Legkisebb költség legkisebb hossz
56 Intuitív kitérő Algoritmikus inormáció elmélet vívmányai (innovációi) 1. Formális értelemben eektív leírás deiníciójára szorítkozva, ez a deiníció leedi mind az intuitív mind a matematika és logikai szempontjából elogadható nézőpontokat. 2. Erre az eektív deinícióra szorítkozás maga után vonja, hogy létezik egy olyan univerzális leíró módszer, amely minorálja az összes egyéb leíró módszerből származtatható leírás hosszát vagy komplexitását. 3. Egy objektum leírásának hossza az objektum elválaszthatatlan tulajdonsága, amely üggetlen a partikuláris leíró vagy ormalizáló módszertől. 4. A zavaró Richard Berry paradoxon nem og eltűnni, hanem Gödel nem-teljességi tételével kapcsolatban elő og kerülni, vagyis nem minden igaz matematikai állítás bizonyítható matematikában
57
Információs rendszerek elméleti alapjai. Információelmélet
Információs rendszerek elméleti alapjai Információelmélet Az információ nem növekedés törvénye Adatbázis x (x adatbázis tartalma) Kérdés : y Válasz: a = f(y, x) Mennyi az a információtartalma: 2017. 04.
RészletesebbenInformációs rendszerek elméleti alapjai. Információelmélet
Információs rendszerek elméleti alapjai Információelmélet Kolmogorov bonyolultság kiszámítható függvények Bevezetés: A Shannon entrópia szerepe: Ami majd a jövőben bekövetkezhet (üzenet) azt hogyan tudjuk
RészletesebbenAlgoritmuselmélet 18. előadás
Algoritmuselmélet 18. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Május 7. ALGORITMUSELMÉLET 18. ELŐADÁS 1 Közelítő algoritmusok
RészletesebbenLeképezések. Leképezések tulajdonságai. Számosságok.
Leképezések Leképezések tulajdonságai. Számosságok. 1. Leképezések tulajdonságai A továbbiakban legyen A és B két tetszőleges halmaz. Idézzünk fel néhány definíciót. 1. Definíció (Emlékeztető). Relációknak
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2018. ősz 1. Diszkrét matematika 3. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 207. tavasz. Diszkrét matematika 2.C szakirány 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 207.
RészletesebbenAdatbázisok elmélete 12. előadás
Adatbázisok elmélete 12. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu http://www.cs.bme.hu/ kiskat 2005 ADATBÁZISOK ELMÉLETE
RészletesebbenAlgoritmuselmélet 2. előadás
Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés
Részletesebben1. Az integrál tégla-additivitása
Többváltozós üggvények dierenciál- integrálszámítása 9. előadás I. rze) Boros Zoltán 019. április 16. Az alábbiakban k N rögzített. 1. Az integrál tégla-additivitása 1.1. TÉTEL. Legyen I, T I k úgy, hogy
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenAz R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
RészletesebbenMatematika alapjai; Feladatok
Matematika alapjai; Feladatok 1. Hét 1. Tekintsük a,, \ műveleteket. Melyek lesznek a.) kommutativok b.) asszociativak c.) disztributívak-e a, műveletek? Melyik melyikre? 2. Fejezzük ki a műveletet a \
RészletesebbenDeníciók és tételek a beugró vizsgára
Deníciók és tételek a beugró vizsgára (a szóbeli viszgázás jogáért) Utolsó módosítás: 2008. december 2. 2 Bevezetés Számítási problémának nevezünk egy olyan, a matematika nyelvén megfogalmazott kérdést,
RészletesebbenA sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
Részletesebbenminden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
RészletesebbenMásodik zárthelyi dolgozat megoldásai biomatematikából * A verzió
Második zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mit értünk eponenciális üggvényen? Adjon példát alulról korlátos szigorúan monoton csökkenő eponenciális üggvényre.
Részletesebbendefiniálunk. Legyen egy konfiguráció, ahol és. A következő három esetet különböztetjük meg. 1. Ha, akkor 2. Ha, akkor, ahol, ha, és egyébként.
Számításelmélet Kiszámítási problémának nevezünk egy olyan, a matematika nyelvén megfogalmazott kérdést, amire számítógéppel szeretnénk megadni a választ. (A matematika nyelvén precízen megfogalmazott
Részletesebbenf(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva
6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenNagyordó, Omega, Theta, Kisordó
A növekedés nagyságrendje, számosság Logika és számításelmélet, 6. gyakorlat 2009/10 II. félév Számításelmélet (6. gyakorlat) A növekedés nagyságrendje, számosság 2009/10 II. félév 1 / 1 Nagyordó, Omega,
RészletesebbenLogika es sz am ıt aselm elet I. r esz Logika Negyedik el oad as 1/26
1/26 Logika és számításelmélet I. rész Logika Negyedik előadás Tartalom 2/26 Az elsőrendű logika szemantikája Formulák és formulahalmazok szemantikus tulajdonságai Elsőrendű logikai nyelv interpretációja
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenAlapfogalmak, valós számok Sorozatok, határérték Függvények határértéke, folytonosság A differenciálszámítás Függvénydiszkusszió Otthoni munka
Pintér Miklós miklos.pinter@uni-corvinus.hu Ősz Alapfogalmak Halmazok Definíció Legyen A egy tetszőleges halmaz, ekkor x A (x / A) jelentése: x (nem) eleme A-nak. A B (A B) jelentése: A (valódi) részhalmaza
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
RészletesebbenCsima Judit október 24.
Adatbáziskezelés Funkcionális függőségek Csima Judit BME, VIK, Számítástudományi és Információelméleti Tanszék 2018. október 24. Csima Judit Adatbáziskezelés Funkcionális függőségek 1 / 1 Relációs sémák
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenKriptográfia 0. A biztonság alapja. Számítás-komplexitási kérdések
Kriptográfia 0 Számítás-komplexitási kérdések A biztonság alapja Komplexitás elméleti modellek független, egyenletes eloszlású véletlen változó értéke számítással nem hozható kapcsolatba más információval
RészletesebbenA továbbiakban Y = {0, 1}, azaz minden szóhoz egy bináris sorozatot rendelünk
1. Kódelmélet Legyen X = {x 1,..., x n } egy véges, nemüres halmaz. X-et ábécének, elemeit betűknek hívjuk. Az X elemeiből képzett v = y 1... y m sorozatokat X feletti szavaknak nevezzük; egy szó hosszán
RészletesebbenSorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
RészletesebbenBonyolultságelmélet. Monday 26 th September, 2016, 18:27. Bonyolultságelmélet
Monday 26 th September, 2016, 18:27 A kurzus teljesítési követelményei Gyakorlat Három kisdolgozat 6 6 pontért kb. a 4., 7. és 10. gyakorlaton Egy nagydolgozat 28 pontért utolsó héten előadáson Pontszám:
RészletesebbenFüggvények növekedési korlátainak jellemzése
17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,
RészletesebbenBonyolultságelmélet. Monday 26 th September, 2016, 18:28
Bonyolultságelmélet Monday 26 th September, 2016, 18:28 A kurzus teljesítési követelményei 2 Gyakorlat Három kisdolgozat 6 6 pontért kb. a 4., 7. és 10. gyakorlaton Egy nagydolgozat 28 pontért utolsó héten
RészletesebbenAlapfogalmak a Diszkrét matematika II. tárgyból
Alapfogalmak a Diszkrét matematika II. tárgyból (A szakirány, 2015-2016 tavaszi félév) A számonkérés során ezeknek a definícióknak, tételkimondásoknak az alapos megértését is számon kérjük. A példakérdések
RészletesebbenDiszkrét matematika 1. középszint
Diszkrét matematika 1. középszint 2017. sz 1. Diszkrét matematika 1. középszint 3. el adás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
Részletesebben2013.11.25. H=0 H=1. Legyen m pozitív egészre {a 1, a 2,, a m } különböző üzenetek halmaza. Ha az a i üzenetet k i -szer fordul elő az adásban,
Legyen m pozitív egészre {a 1, a 2,, a m } különböző üzenetek halmaza. Ha az a i üzenetet k i -szer fordul elő az adásban, akkor a i (gyakorisága) = k i a i relatív gyakorisága: A jel információtartalma:
RészletesebbenGyakorló feladatok az II. konzultáció anyagához
Gyakorló feladatok az II. konzultáció anyagához 003/004 tanév, I. félév 1. Vizsgáljuk meg a következő sorozatokat korlátosság és monotonitás szempontjából! a n = 5n+1, b n = n + n! 3n 8, c n = 1 ( 1)n
RészletesebbenMindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 1
Halmazok 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 2 A fejezet legfontosabb elemei Halmaz megadási módjai Halmazok közti műveletek (metszet,
RészletesebbenAnalízis I. beugró vizsgakérdések
Analízis I. beugró vizsgakérdések Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v1.7 Forrás: Dr. Weisz Ferenc: Prog. Mat. 2006-2007 definíciók
RészletesebbenMinden x > 0 és y 0 valós számpárhoz létezik olyan n természetes szám, hogy y nx.
1. Archimedesz tétele. Minden x > 0 és y 0 valós számpárhoz létezik olyan n természetes szám, hogy y nx. Legyen y > 0, nx > y akkor és csak akkor ha n > b/a. Ekkor elég megmutatni, hogy létezik minden
RészletesebbenElsőrendű logika szintaktikája és szemantikája. Logika (3. gyakorlat) 0-adrendű szemantika 2009/10 II. félév 1 / 1
Elsőrendű logika szintaktikája és szemantikája Logika és számításelmélet, 3. gyakorlat 2009/10 II. félév Logika (3. gyakorlat) 0-adrendű szemantika 2009/10 II. félév 1 / 1 Az elsőrendű logika Elemek egy
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
RészletesebbenSorozatok és Sorozatok és / 18
Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle
RészletesebbenA valós számok halmaza
VA 1 A valós számok halmaza VA 2 A valós számok halmazának axiómarendszere és alapvető tulajdonságai Definíció Az R halmazt a valós számok halmazának nevezzük, ha teljesíti a következő axiómarendszerben
RészletesebbenMindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé.
HA 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) HA 2 Halmazok HA 3 Megjegyzések A halmaz, az elem és az eleme fogalmakat nem definiáljuk, hanem alapfogalmaknak
RészletesebbenAlgoritmuselmélet 12. előadás
Algoritmuselmélet 12. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Április 9. ALGORITMUSELMÉLET 12. ELŐADÁS 1 Turing-gépek
RészletesebbenA fontosabb definíciók
A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,
RészletesebbenBOOLE ALGEBRA Logika: A konjunkció és diszjunkció tulajdonságai
BOOLE ALGEBRA Logika: A konjunkció és diszjunkció tulajdonságai 1.a. A B B A 2.a. (A B) C A (B C) 3.a. A (A B) A 4.a. I A I 5.a. A (B C) (A B) (A C) 6.a. A A I 1.b. A B B A 2.b. (A B) C A (B C) 3.b. A
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenÍtéletkalkulus. 1. Bevezet. 2. Ítéletkalkulus
Ítéletkalkulus Logikai alapfogalmak, m veletek, formalizálás, logikai ekvivalencia, teljes diszjunktív normálforma, tautológia. 1. Bevezet A matematikai logikában az állításoknak nem a tényleges jelentésével,
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 3. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Relációk Diszkrét matematika I. középszint 2014.
RészletesebbenLogika és informatikai alkalmazásai
Logika és informatikai alkalmazásai 2. gyakorlat Németh L. Zoltán http://www.inf.u-szeged.hu/~zlnemeth SZTE, Informatikai Tanszékcsoport 2008 tavasz Irodalom Szükséges elmélet a mai gyakorlathoz Előadás
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet
RészletesebbenAdatszerkezetek II. 10. előadás
Adatszerkezetek II. 10. előadás Kombinatorikai algoritmusok A kombinatorika: egy véges halmaz elemeinek valamilyen szabály alapján történő csoportosításával, kiválasztásával, sorrendbe rakásával foglalkozik
Részletesebben0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles
Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)
RészletesebbenRamsey-féle problémák
FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 5. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenMatematikai logika és halmazelmélet
Matematikai logika és halmazelmélet Wettl Ferenc előadása alapján 2015-09-07 Wettl Ferenc előadása alapján Matematikai logika és halmazelmélet 2015-09-07 1 / 21 Tartalom 1 Matematikai kijelentések szerkezete
RészletesebbenAlgoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.
Algoritmuselmélet Bonyolultságelmélet Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenBonyolultságelmélet. Monday 26 th September, 2016, 18:50
Bonyolultságelmélet Monday 26 th September, 2016, 18:50 A kiszámítás modelljei 2 De milyen architektúrán polinom? A kiszámításnak számos (matematikai) modellje létezik: Általános rekurzív függvények λ-kalkulus
RészletesebbenStruktúra nélküli adatszerkezetek
Struktúra nélküli adatszerkezetek Homogén adatszerkezetek (minden adatelem azonos típusú) osztályozása Struktúra nélküli (Nincs kapcsolat az adatelemek között.) Halmaz Multihalmaz Asszociatív 20:24 1 A
RészletesebbenVéletlenszám generátorok és tesztelésük. Tossenberger Tamás
Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél
RészletesebbenFEGYVERNEKI 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
Részletesebben1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy
/. Házi feladat. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy mindig igaz. (p (( p) q)) (( p) ( q)). Igazoljuk, hogy minden A, B és C halmazra A \ (B C) = (A \ B) (A \ C) teljesül.
RészletesebbenA Matematika I. előadás részletes tematikája
A Matematika I. előadás részletes tematikája 2005/6, I. félév 1. Halmazok és relációk 1.1 Műveletek halmazokkal Definíciók, fogalmak: halmaz, elem, üres halmaz, halmazok egyenlősége, részhalmaz, halmazok
Részletesebben1.1 A függvény fogalma
1.1 A üggvény ogalma Deiníció: Adott két (nem üres) halmaz H és K. Ha a H halmaz minden egyes eleméhez valamilyen módon hozzárendeljük a K halmaznak egy-egy elemét, akkor a hozzárendelést üggvénynek nevezzük.
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2018. november 23. 1. Diszkrét matematika 2. 9. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. november 23. Diszkrét matematika
RészletesebbenA digitális számítás elmélete
A digitális számítás elmélete 8. előadás ápr. 16. Turing gépek és nyelvtanok A nyelvosztályok áttekintése Turing gépek és a természetes számokon értelmezett függvények Áttekintés Dominó Bizonyítások: L
RészletesebbenRendezések. A rendezési probléma: Bemenet: Kimenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat
9. Előadás Rendezések A rendezési probléma: Bemenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat Kimenet: a bemenő sorozat olyan (a 1, a 2,,a n ) permutációja, hogy a 1 a 2 a n 2 Rendezések Általánosabban:
Részletesebben2010. október 12. Dr. Vincze Szilvia
2010. október 12. Dr. Vincze Szilvia Tartalomjegyzék 1.) Sorozat definíciója 2.) Sorozat megadása 3.) Sorozatok szemléltetése 4.) Műveletek sorozatokkal 5.) A sorozatok tulajdonságai 6.) A sorozatok határértékének
Részletesebbendr. Szalkai István Pannon Egyetem, Veszprém, Matematika Tanszék november 3.
Számosságok dr. Szalkai István Pannon Egyetem, Veszprém, Matematika Tanszék 2008. november 3. ### Szamoss1www.tex, 2008.09.28. Ebben a rövid jegyzetben els½osorban a végtelen halmazok méretét, elemeinek
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 2. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Matematikai logika Diszkrét matematika I. középszint
RészletesebbenSorozatok. 5. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Sorozatok p. 1/2
Sorozatok 5. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Sorozatok p. 1/2 A sorozat definíciója Definíció. A természetes számok halmazán értelmezett valós értékű a: N R függvényt
RészletesebbenIntegr alsz am ıt as. 1. r esz aprilis 12.
Integrálszámítás. 1. rész. 2018. április 12. Területszámítás f : [a, b] IR + korlátos függvény. Mennyi a függvény grafikonja és az x tengely közti terület? Riemann integrál, ismétlés F: Az összes lehetséges
Részletesebbenf(x) a (x x 0 )-t használjuk.
5. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 5.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
RészletesebbenSpecifikáció. B logikai formula, a bemeneti feltétel, K logikai formula, a kimeneti feltétel, A az algoritmus, amelyre az állítás vonatkozik.
Algoritmus Az algoritmus olyan elemi műveletekből kompozíciós szabályok szerint felépített összetett művelet, amelyet megadott feltételt teljesítő bemeneti adatra végrehajtva, a megkívánt kimeneti adatot
Részletesebben1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata.
1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata. HLMZOK halmaz axiomatikus fogalom, nincs definíciója. benne van valami a halmazban szintén axiomatikus fogalom,
RészletesebbenSorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK
Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK Sorozat fogalma Definíció: Számsorozaton olyan függvényt értünk, amelynek értelmezési tartománya a pozitív egész
RészletesebbenKvantum-tömörítés II.
LOGO Kvantum-tömörítés II. Gyöngyös László BME Vllamosmérnök és Informatka Kar A kvantumcsatorna kapactása Kommunkácó kvantumbtekkel Klasszkus btek előnye Könnyű kezelhetőség Stabl kommunkácó Dszkrét értékek
RészletesebbenLogika és informatikai alkalmazásai
Logika és informatikai alkalmazásai 2. gyakorlat Németh L. Zoltán http://www.inf.u-szeged.hu/~zlnemeth SZTE, Informatikai Tanszékcsoport 2011 tavasz Irodalom Szükséges elmélet a mai gyakorlathoz Előadás
RészletesebbenSHk rövidítéssel fogunk hivatkozni.
Nevezetes függvény-határértékek Az alábbiakban a k sorszámú függvény-határértékek)re az FHk rövidítéssel, a kompozíció határértékéről szóló első, illetve második tételre a KL1, illetve a KL rövidítéssel,
RészletesebbenLogika es sz am ıt aselm elet I. r esz Logika Harmadik el oad as 1/33
1/33 Logika és számításelmélet I. rész Logika Harmadik előadás Tartalom 2/33 Elsőrendű logika bevezetés Az elsőrendű logika szintaxisa 3/33 Nulladrendű állítás Az ítéletlogikában nem foglalkoztunk az álĺıtások
RészletesebbenBevezetés a matematikába (2009. ősz) 1. röpdolgozat
Bevezetés a matematikába (2009. ősz) 1. röpdolgozat 1. feladat. Fogalmazza meg a következő ítélet kontrapozícióját: Ha a sorozat csökkenő és alulról korlátos, akkor konvergens. 2. feladat. Vezessük be
RészletesebbenFüggetlenségvizsgálat, Illeszkedésvizsgálat
Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenGépi tanulás Gregorics Tibor Mesterséges intelligencia
Gépi tanulás Tanulás fogalma Egy algoritmus akkor tanul, ha egy feladat megoldása során olyan változások következnek be a működésében, hogy később ugyanazt a feladatot vagy ahhoz hasonló más feladatokat
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenXIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában
XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus A véletlen nyomában Mi is az a véletlen? 1111111111, 1010101010, 1100010111 valószínűsége egyaránt 1/1024 Melyiket
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2018. ősz 1. Diszkrét matematika 3. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 3 III. MEGFELELTETÉSEk, RELÁCIÓk 1. BEVEZETÉS Emlékeztetünk arra, hogy az rendezett párok halmazát az és halmazok Descartes-féle szorzatának nevezzük. Más szóval az és halmazok
RészletesebbenDiszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Részletesebben2. Zárthelyi megoldásokkal 1998 tavasz I. évf. 13.-18.tk.
. Zárthelyi megoldásokkal 998 tavasz I. év..-8.tk.. Döntse el, hogy létezik e, és ha igen, számítsa ki az ) e üggvény századik deriváltját az helyen! MO. Egyrészt e ) n origó körüli Taylor-sora alapján
RészletesebbenMérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik
Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Az A halmazrendszer σ-algebra az Ω alaphalmazon, ha Ω A; A A A c A; A i A, i N, i N A i A. Az A halmazrendszer
RészletesebbenFunkcionálanalízis. n=1. n=1. x n y n. n=1
Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
Részletesebben