ELTE TTK Budapest, január
|
|
- Géza Borbély
- 5 évvel ezelőtt
- Látták:
Átírás
1 Valószíűségszámítás Arató Miklós előadásai alapjá Készítették: Martiek László Tassy Gergely ELTE TTK Budapest, 008. jauár
2 Typeset by L A TEX
3 . el adás 007. IX.. szerda Klasszikus (kombiatorikus valószí ségi mez Legye Ω véges halmaz (eseméytér, ahol Ω-t biztos eseméyek, ω Ω-t elemi eseméyek és A Ω-t eseméyek evezzük. Továbbá legye az A eseméy valószí sége P (A := A Ω... Példa. Egy szabályos érmével kétszer dobuk, így P ( fejet dobuk =. Itt Ω = {F F, F I, IF, II} 4 és A = {F F }, azaz P (A = A =. Godolhaták, hogy Ω 4 Ω = {F, I, F I} és A = {F }, ekkor P (A = lee, de az els írja le jól a valóságot. 3.. Példa. Két lovag addig játszik egy játékot, míg valamelyikük el em éri a 6 potot. Mide egyes yertes játszma potot ér, valamit azoos eséllyel ( yerek. 8 mérk zés utá 5 : 3-ra (els :második állak, amikor be kell szütetiük a játékot. Kérdés, hogy milye aráyba osztozzaak a yereméye? Megoldás: legfeljebb 3-at játszaáak még le, ebb l 7 alkalommal az els yere (, stb. és egyetle alkalommal a második (. Tehát 7 : aráyba osztozak igazságosa..3. Példa. Adott db tárgy és N db ók. Kérdés: P (az els ókba k tárgy kerül =? a Maxwell-Boltzma-statisztika (pl. gázok leírása: Ω = {(i,..., i, i l N}, így Ω = N, A = ( k (N k. Ekkor P (A = ( k(n k. N b Bose-Eistei-statisztika (pl. fotook: Ω = {(j,..., j N, j l 0, j l = }, így Ω = ( +N N = ( +N (, A = k+n ( N = k+n ( N. P (A = k+n N ( +N. c Fermi-Dirac-statisztika: egy ókba lefeljebb egy tárgy lehet ( N. Ω = {(j, j,..., j N, j i = 0 vagy, j i = }. Itt Ω = ( ( N és A = N, P (A =. N Kérdés, hogy vajo melyik modell a jó? Válasz: Attól függ, ugyais láttuk, hogy midhárom modell haszálható bizoyos zikai jeleségek bemutatására, ugyaakkor a kombiatorikus példákba általába az a haszálatos. Mértékelmélet (ismétlés.4. Deíció. Az Ω részhalmazaiak A redszere algebra, ha (i Ω A, (ii A, B A A B A és (iii A A A = Ω\A A..5. Deíció. Az A algebra σ-algebra, ha A A A A és A A..6. Deíció. A µ halmazfüggvéy σ-additív az A algebrá, ha A A diszjukt halmazok és A A eseté µ( A = µ(a..7. Deíció. µ mérték az A σ-algebrá, ha emegatív, σ-additív halmazfüggvéy A-. a tárgyak helye a ókba meyi tárgy va 3
4 .8. Tétel (Caratheodory-féle kiterjesztési tétel. Legye µ σ-additív az A algebrá. Ekkor létezik egy A-t tartalmazó legsz kebb σ-algebra [σ(a], és µ egyértelm e kiterjeszthet σ(a- deiált mértékké..9. Deíció. (Ω, A, P Kolmogorov-féle valószí ségi mez, ha P mérték az Ω részhalmazaiból álló A σ-algebrá és P (Ω =..0. Deíció (Elevezések. Ω: biztos eseméy, illetve eseméytér. ω Ω: elemi eseméy. A A : eseméy (em feltétleül Ω összes részhalmaza. P : valószí ség. P (A: az A eseméy valószí sége (0 P (A... Deíció (Geometriai valószí ségi mez. Legye Ω R d és µ(ω <. Mide A Ω mérhet halmazra legye P (A = µ(a µ(ω... Példa. Péter és Juli 0 és óra között találkozak, legfeljebb 0 percet várva a másikra. Mekkora valószí séggel találkozak? :00 0:0 0:00 0:0 :00 P (találkozak = ( 5 6 = Tétel. Legye µ végese additív emegatív halmazfüggvéy az A algebrá és µ(ω véges. Ekkor a következ k ekvivalesek: (i µ σ-additív (vagyis, ha A σ-algebra, µ(ω =, akkor µ valószí ség. (ii Ha A, A,... A és A A + mide -re, akkor µ( A = lim µ(a. (iii Ha A, A,... A és A A + mide -re, akkor µ( A = lim µ(a. (iv Ha A, A,... A, A A + mide -re és A =, akkor lim µ(a = 0. Bizoyítás. (i (ii: A = A (A \A (A 3 \A..., így µ( A = µ(a + µ(a \A + µ(a 3 \A +... = µ(a + µ(a µ(a + µ(a 3 µ(a... = lim µ(a. (ii (iii: µ(a = µ(a \(A \A = µ(a µ(a \A. Továbbá A \A A \A + és (A \A = A \ A, illetve lim µ(a \A = µ( (A \A = µ(a \ A. Ekkor lim(µ(a µ(a = µ(a µ( A. (iii (iv: triviális. (iv (i: legyeek A -ek diszjuktak, ekkor µ( A = µ( A i + µ( A i, ahol az els tag értéke = i=+ µ(a i, a második tag pedig eseté ullához tart, hisze A i =. Vagyis µ( A = µ(a, tehát µ valóba σ-additív..4. Jelölés. A B = AB..5. Állítás. P (A B = P (A + P (B P (AB. = i=+ i=+ A i i=+ A i és 4
5 Bizoyítás. A B = A AB, így P (A B = P (A + P (AB. Továbbá B = AB AB, így P (B = P (AB + P (AB, amib l P (AB = P (B P (AB. A kett t összevetve pot a bizoyítadó állítást kapjuk..6. Tétel (Poicaré-formula. P (A A... A = ( k+ S (, ahol S ( k = i <...<i k P (A i... A ik. Bizoyítás. Teljes idukcióval: = -re igazoli kell, hogy P (A A = S ( S (, ahol S ( = P (A + P (A és S ( = P (A A, az el z állítás éppe ezt modja ki. Most tegyük fel, hogy -re igaz, ézzük meg ( + -re: P (A A... A A + = P (A... A + P (A + P (A A +... A A + = = ( k+ P (A i... A ik + P (A + ( l+ P (A j... A jl A + = i <...<i k + = ( k+ i <...<i k + l= P (A i... A ik. k j <...<j l.7. Példa. Egy fogadáso ember vesz részt, midekiek va esery je, amik a ruhatárba véletleül összekeveredek. Mi a valószí sége, hogy lesz köztük olya, aki a sajátját kapja vissza? Ω =!, A i : az i. ember a sajátját kapja. Tehát a kérdés: P (A... A =? P (A i... A ik = ( k!, azaz S (! k = ( ( k! =. Így P (A k! k!... A = ( k+, ami tart -hez, ha. k! e.8. Állítás (Jordá Károly formulája, bizoyítás élkül. P (A,..., A közül potosa r darab következik be = r ( k (r+k ( S, ahol r = 0,,..., és S( 0 =. k=0 k r+k.9. Deíció. Legye P (B > 0, ekkor az A eseméy feltételes valószí sége a B feltételre ézve: P (A B = P (AB P (B..0. Megjegyzés. Ha P (B > 0, akkor mide A A-ra Q(A := P (A B választással (Ω, A, P ( B Kolmogorov-féle valószí ségi mez... Példa. Két gyereket tekitve meyi aak a valószí sége, hogy midkett ú, ha tudjuk, hogy legalább az egyik ú? Legye A : midkett ú, B : legalább ú, ekkor P (A B = P (AB = P (A = P (B P (B /4 =. 3/4 3.. Lemma (Bayes-formula. Legye 0 < P (B < és P (A > 0. Ekkor P (A B P (B P (B A = P (A B P (B + P (A B P (B. Bizoyítás. P (B A = P (BA P (AB = = P (A B P (B P (A P (AB+P (AB P (A B P (B+P (A B P (B..3. Példa. A férakál átlagosa 00-ból 5 szívak, a kél pedig 0000-b l 5. Kérdés: Mi a valószí sége aak, hogy egy illet fér, ha tudjuk, hogy szívak? Legye A : szívak, B : fér. Ekkor P (A B = 5 5, P (A B =, P (B = P (B =. Ie alkalmazva a Bayes-formulát, kapjuk, hogy P (B A = Tétel (Teljes valószí ség tétele. Legye A,..., A i,... teljes eseméyredszer (azaz diszjuktak és A = Ω, valamit P (A i > 0 mide i-re. Ekkor P (B = P (B A i P (A i (= i P (BA i. i Bizoyítás. Tudjuk, hogy B = i BA i, alkalmazzuk a P (B A i P (A i = P (BA i összefüggést. 5
6 . el adás 007. IX. 9. szerda.. Példa. Adott két ók, az egyikbe db húszezer és 9 db ötszáz foritos, a másikba 0 db húszezer foritos. Találomra választva egy ókot, mi a valószí sége, hogy húszezer foritost húzuk? A teljes valószí ség tétele szerit P (A = P (A B P (B + P (A B P (B = + =, 0 0 ahol B i az i-edik ók választását jelöli, A pedig azt, hogy húszezer foritost húzuk... Példa. Szidbádak 00 hölgyb l kell választaia egyet oly módo, hogy egyesével elmeek el tte (aki már elmet, em tér vissza, az els m hölgyet elegedi, majd a többiek közül kiválasztja az addigi legszebbet. Kérdés, hogy mekkora valószí séggel választja ki ilye módo valóba a legszebb hölgyet. Legye A : a legszebbet választja, B k : a k. hölgyet választja, B 0 : egyiket sem választja. B 0, B m+,..., B teljes eseméyredszer, így P (A = P (A B 0 P (B 0 + k=m+ P (A B k P (B k = 0 + k=m+ P (AB k. A hölgyek lehetséges sorredjei: Ω = 3... =!. Az olya lehet ségek száma, amikor a k- adik helye a legszebbet választottuk, AB k =... m m (m+... (k k... (. (El ször -féleképpe kiválasztjuk a k-adik helyre a legszebbet, majd az utáa következ ket tetszés szerit. Utáa a k. helyt l haladuk visszafelé, az m+-edik helyig mideütt eggyel kevesebb l választhatuk, mit aháy hölgy maradt, ugyais a legszebbiket em választhatjuk. Végül az els m helye tetsz leges lehet a sorred. Ekkor P (AB k = AB k = m, így P (A =! (k Mivel k=m k+ m ha m -ra teljesül, hogy m x dx = l m k=m = max m k k=m m k=m+ k, ezért m l m k=m P (AB k = m m k=m k, akkor belátható, hogy m /e.3. Deíció. A és B függetleek, ha P (AB = P (A P (B..4. Megjegyzés. a Ha P (A = 0, akkor A mide más eseméyt l függetle. b Ha P (B > 0, akkor A és B potosa akkor függetleek, ha P (A B = P (A. k=m+ k = m k=m. k m l m +. Továbbá k. c Az egymást kizáró eseméyek em függetleek, azaz P (A > 0, P (B > 0, P (AB = 0 eseté A és B em függetle..5. Példa. Egy dobozba M piros és (N M fehér golyó va, ezek közül húzuk ki kett t. Legye A: az els piros, B: a második piros. a Visszatevéssel: P (A = M N N = M N, P (B = N M N = M N és P (AB = M M N b Visszatevés élkül: P (A = M(N = P (B = M M(M, de P (AB = ( M N(N N N(N N = P (A P (B. = P (A P (B..6. Deíció. Az A, A,..., A eseméyek függetleek, ha P (A i... A ik = P (A i... P (A ik mide k -re és i <... < i k -re..7. Példa. Tekitsük az alábbi halmazokat: A B Itt P (A = P (B = P (C = és P (AB = P (AC = P (BC =, azaz a három eseméy párokét 4 függetle, de P (ABC = 0 P (A P (B P (C, így együttese em függetleek. C 6
7 .8. Deíció. Az A, A,... eseméyek függetleek, ha mide -re A,..., A függetleek..9. Példa (Tökremeés. Péter és Gábor úgy játszaak, hogy midkette valószí séggel yerek egy játszmába a másiktól foritot. A játék addig megy, amíg valaki a másik összes pézét el em yeri. Péterél legye k = 0 forit, Gáborál pedig k = 6 forit. Mekkora valószí séggel megy tökre Péter? Legye p(k := P (Péter k foritról tökremegy = P (A, így p(0 = és p( = 0. Továbbá legye B : az els lépésbe Péter yer, illetve B : az els lépésbe Gábor yer. Ekkor P (A = P (A B P (B +P (A B P (B = p(k+ +p(k, ahol k, azaz p(k = p(k++p(k. Ebb l p(k + p(k = p(k p(k = d, továbbá p(k = p(k p(k + p(k p(k p( p(0 + p(0 = + k d. Mivel 0 = p( = + d, így d =. Ie pedig p(k = k, ami a feti példába: P (A = 0 = Példa (Szimmetrikus bolyogás. Egy számegyeese lépegetük az egészeke 0-ból kiidulva, mide lépésbe ugyaakkora eséllyel lépük balra, mit jobbra. Kérdés: mekkora valószí séggel térük vissza a 0-ba? (ezt az eseméyt jelöljük C-vel Legye D, hogy az els lépésbe jobbra, ill. D, hogy az els lépésbe balra megyük, így P (C = P (C D + P (C D, ahol P (C D azt jeleti, hogy -b l eljutuk 0-ba, amiek pedig em kisebb a valószí sége, mit P (-b l el bb jutuk el 0-ba, mit -be = mide -re (lásd a tökremeésél. Tehát P (C D mide -re. Viszot ekkor P (C D =, ugyaígy P (C D =, azaz P (C =. Megjegyzés: dimezióba még ugyaeyi, de 3 dimezióba már -él kisebb ez a valószí ség... Deíció (Borel-σ-algebrák. (R, B(R : Σ = { [a i, b i : < a i < b i + diszjuktak } algebra és σ(σ = B(R σ-algebra. B(R = σ({x : x I,..., x I } : I,..., I itervallumok = σ({x i : x B,..., x B } : B j B(R. B(R = σ({x : x I,..., x I } :, I,..., I itervallumok = σ({x : x B,..., x B } :, B j B(R = σ({x : (x,..., x B } :, B B(R. B(R T = σ({x = (x t t T : x t I,..., x t I } :, t,..., t T, I,..., I itervallumok.. Tétel (bizoyítás élkül. Legye T em megszámlálható, ekkor mide A B(R T -hez létezek olya t, t,... T elemek és B B(R, hogy A = {x = (x t t T : (x t, x t,... B}..3. Következméy. A = {x : sup x t < c} / B(R [0,]. Tegyük fel ugyais idirekte, hogy eleme, 0 t ekkor létezik t 0, t 0,... és B 0 B(R, melyekre A = {x : (x t 0, x t 0,... B 0 }. Legye y t c A, így { (y t 0, y t 0,... B 0 c : t {t 0, valamit z t :=, t 0,...}. Ekkor (z c + : t / {t 0, t 0 t 0,...}, z t 0,... = (y t 0, y t 0,... B 0, következésképpe z A, ami pedig elletmodás, hisze sup z t > c. Valószí ségi változók.4. Deíció. ξ : Ω R valószí ségi változó, ha mide B B(R-re {w : ξ(w B} A. (Kés bb belátjuk, hogy ezzel ekvivales, hogy mide x R számra {w : ξ(w < x} A. { : w A.5. Deíció. Az A A eseméy idikátor valószí ségi változója χ A (w = 0 : w / A..6. Deíció. A ξ valószí ségi változó diszkrét, ha értékkészlete véges vagy megszámlálható, azaz létezek olya x i valós számok és A i teljes eseméyredszer, hogy ξ = x k χ Ak. k 7
8 .7. Deíció. Q ξ (B = P (w : ξ(w B a ξ valószí ségi változó eloszlása (B B(R..8. Megjegyzés. Q ξ valószí ségi mérték (R, B(R-e. Ha ξ diszkrét, azaz Q ξ (B = P (ξ B = x k B (p i 0 megadható az eloszlás; p i = és Q(B = P (ξ = x k, akkor x i -kb l és p i := P (ξ = x i -kb l x k B.9. Példa (Nevezetes diszkrét valószí ségi eloszlások. Biomiális eloszlás: Vegyük függetle kísérletet, ahol egy kísérlet p valószí séggel sikeres, és ξ jelölje a sikeres kísérletek számát (0 k. Ekkor P (ξ = k = ( k pk ( p k, jele: B(, p. Geometriai (Pascal-eloszlás: Függetle kísérleteket végzük, amelyek p valószí séggel sikeresek, η az els sikeres kísérlet sorszáma (k =,,.... Ekkor P (η = k = ( p k p 3 Hipergeometriai eloszlás: Adott egy dobozba M piros és N M fehér golyó, ezekb l húzuk véletleszer e darabot. Jelölje ξ a kihúzott piros golyók számát (visszatevés élkül, és legye k = 0,,..., mi(m,. Ekkor P (ξ = k = (M k ( N M k. ( N 4 Poisso-eloszlás: Legye 0 < λ x paraméter, továbbá k = 0,,,.... Ekkor P (η = k = e λ λk e ami összegezve: λ λk = e λ λ k =. (Ez az egyik leggyakrabba alkalmazott eloszlás. k! k! k=0 k=0 5 Negatív biomiális eloszlás: Függetle kísérleteket végzük, amelyek p valószí séggel sikeresek, ξ az r-edik sikeres kísérlet sorszáma (ahol r rögzített. Ekkor P (ξ = k = ( k r ( p k r p r, ahol k = r, r +,.... (Megjegyzés: r = -re pot a Pascal-eloszlást kapjuk..0. Állítás. A Pascal-eloszlás örökifjú tulajdoságú, azaz P (ξ > k + l ξ > k = P (ξ > l. Bizoyítás. P (ξ > k + l ξ > k = P (ξ>k+l ξ>k P (ξ>k p k. = P (ξ>k+l P (ξ>k k!, = ( pk+l ( p k = ( p l = P (ξ > l... Lemma. Legye Σ az R részhalmazaiak olya redszere, hogy σ(σ = B(R. Ekkor ξ : Ω R potosa akkor valószí ségi változó, ha {w : ξ(w E} A mide E Σ-ra. Bizoyítás. A iráy triviális. A iráy bizoyításához legye D = {D B(R : ξ (D A}. Ekkor Σ D B(R. Mivel D σ-algebra, ezért B(R = σ(σ σ(d = D B(R, így D = B(R... Következméy. ξ valószí ségi változó {w : ξ(w < x} A mide x valós számra..3. Deíció. A ξ valószí ségi változó eloszlásfüggvéye F ξ (x = P (ξ < x, ahol x R. Ekkor F ξ (x = Q ξ ((, x. Diszkrét esetbe P (ξ = x k = F ξ (x k+ F ξ (x k..4. Állítás. Az F ξ eloszlásfüggvéyre teljesülek az alábbiak: F ξ mooto öv. lim F ξ(x = 0 és lim F ξ(x = x x + 3 F ξ balról folytoos és jobbról létezik a határértéke mide x R helye. Bizoyítás. Ha x y, akkor (, x (, y, így Q ξ (, x Q ξ (, y, azaz F ξ (x F ξ (y, így -et megkaptuk. Legye x sorozat, ekkor {w : ξ(w < x } {w : ξ(w < x + } és {w : ξ(w < x } =, így az.3.tételb l P (ξ < x = F ξ (x 0, ha. Hasolóképpe x + eseté {w : ξ(w < x = Ω, így P (ξ < x = F ξ (x, ezzel -t megkaptuk. Hasolóa bizoyíthatjuk a 3-ik részt is, ugyais legye x x, ekkor {w : ξ(w < x } = {w : ξ(w < x}. Ha pedig y y, akkor {w : ξ(w < y } = {w : ξ(w y}, így lim F y ξ(y = y P (ξ y, így 3-at is megkaptuk. 8
9 3. el adás 007. IX. 6. szerda 3.. Állítás. Ha (R, B(R, Q valószí ségi mértéktér, akkor va olya (Ω, A, P valószí ségi mez és azo ξ valószí ségi változó, amelyek eloszlása Q. Tekitsük ugyais az (R, B(R, P := Q Kolmogorovféle valószí ségi mez t, és legye ξ(w = w. Ekkor Q ξ (B = P (ξ B = P (w B = P (B = Q(B. 3.. Tétel. Tegyük fel, hogy F kielégíti az eloszlásfüggvéyek három tulajdoságát. Ekkor egyértelm e létezik (R, B(R-e olya P valószí ségi mérték, hogy P ([a, b = F (b F (a mide a < b < eseté. { } Bizoyítás. Legye Σ := [a i, b i : < a i < b i <,, ekkor Σ algebra és σ(σ = B(R. Tetsz leges A = [a i, b i Σ eseté legye P 0 (A := (F (b i F (a i, ez végese additív = halmazfüggvéy. Lássuk be, hogy P 0 σ-additív is! Legye A i A, A A +... mooto fogyó halmazsorozat, melyre A =. Ekkor elég megmutati, hogy lim P 0 (A = 0 (.3.Tétel szerit. Tegyük fel el ször, hogy létezik olya pozitív N szám, melyre A [ N, N] mide -re. Ekkor P 0 ([a, b = F (b F (a = lim F b b (b F (a = lim P b 0([a, b (mivel F balról folytoos, továbbá b P 0 ([a, b P 0 ([a, b [ és [a, b ] [a, b. Így mide A -hez va olya B Σ, hogy lezártjára [B ] A és P 0 (A P 0 (B ε. Mivel A =, így a [B ]-ek metszete is üres, ezért a Heie-Borel-tétel szerit va olya 0 (ε, hogy 0 (ε 0 (ε [B ] =, mert ezek kompakt halmazok. Ekkor P 0 ( B = 0, és így P 0 ( 0 (ε A P 0 ( A = = = 0 (ε 0 (ε ε + P 0 ( B ε, vagyis lim P 0 (A = 0. ε = } {{ } =0 Ha em létezik ilye tulajdoságú N, akkor lim F (a = 0 és lim F (b =, valamit P 0([ N, N a b + = F (N F ( N felhaszálásával létezik olya pozitív N, hogy P 0 ([ N, N > ε. Az A [ N, N halmazokra teljesül az el z eset, mivel (A [ N, N =, amib l lim P 0 (A [ N, N = 0. Ekkor P 0 (A P 0 (A [ N, N + P 0 (R\[ N, N, így lim sup P 0 (A lim sup P 0 (A [ N, N + ε, ε =0 vagyis lim P 0 (A = 0. Ezzel midkét esetbe beláttuk, hogy P 0 σ-additív a Σ algebrá. Ekkor a Caratheodory-tétel szerit P 0 egyértelm e kiterjeszthet valószí ségi mértékké az (R, B(R σ-algebrára Következméy. Ha F kielégíti az eloszlásfüggvéyek három tulajdoságát, akkor va olya ξ valószí ségi változó, melyre F ξ = F. Ugyais ha P ([a, b = F (b F (a létezik, akkor va olya ξ valószí ségi változó, amelyre Q ξ = P, így Q ξ ([a, b = P ([a, b = F (b F (a. Legye a :=, ekkor Q ξ ((, b = F (b = F ξ (b Következméy. F ξ egyértelm e meghatározza az eloszlást. lezárt 9
10 Abszolút folytoos eloszlású valószí ségi változók Legye ξ : Ω R valószí ségi változó, Q ξ az eloszlása, és (R, B(R, µ mértéktér, azaz µ mérték Deíció. A ξ valószí ségi változó abszolút folytoos eloszlású a µ mérték szerit, ha Q ξ abszolút folytoos a µ mértékre. Az f = dq ξ (Rado-Nikodym-derivált a ξ µ-mérték szeriti s r ségfüggvéye. dµ 3.6. Deíció. ξ abszolút folytoos eloszlású, ha létezik a Lebesgue-mérték (azaz µ = λ szeriti s r ségfüggvéye. (Megjegyzés: ekkor a Rado-Nikodym-tétel szerit Q ξ λ Állítás. Q ξ (B = f(x dx ami alatt a Lebesgue-mérték szeriti itegrált értjük, ekkor B f 0 majdem mideütt és f(x dx =. Továbbá egy ilye tulajdoságú függvéyre és a Q(B = R f(x dx választással (R, B(R, Q Kolmogorov-mez. B 3.8. Állítás. F ξ (x = P (ξ < x = x f(s dλ(s, illetve F (x = f(x véges sok potot kivéve Példa (Egyeletes eloszlás itervallumo. Tekitsük [a, b]- geometriai valószí ségi mez t, ahol ξ(w = w. Ekkor P (ξ < x = : a < x < b. Az ilye eloszlásfüggvéy valószí ségi 0 : x a x a b a : b x változót egyeletes eloszlásúak { evezzük az [a, b] itervallumo. Jelölése: E(a, b vagy U(a, b. S r ségfüggvéye pedig f ξ (x = 0 : x / [a, b] : x [a, b]. b a 3.0. Példa (λ-expoeciális eloszlás. Jelölje τ egy izzó élettartamát, ekkor a P (τ > t + s τ > s = P (τ > t tulajdoságot örökifjúak modjuk, ahol t, s > 0. Legye G(t = P (τ > t, így G(t+s P (τ>t+s, τ>s P (τ>s G(s = = G(t, azaz G(t + s = G(t G(s. Ebb l következik, hogy G(t = e λt alakú. Mivel G(t valószí ség, ezért λ > 0. Az eloszlásfüggvéy balról folytoossága miatt P (τ < t lim P (τ t ε ε 0 lim P (τ < t ε = P (τ < t és ebb l P (τ < t = lim P (τ t ε = lim ε 0 ε 0 ε 0 ( e λ(t ε = e λt. Az ilye { 0 : t 0 F τ (t = eloszlásfüggvéy valószí ségi változókat λ-expoeciális eloszlásúak e λt : 0 < t { 0 : t 0 evezzük. A s r ségfüggvéye f τ (t =. Köye látható a fordított iráy is, λ e λt : 0 < t tehát, hogy egy expoeciális eloszlású valószí ségi változó örökifjú eloszlású. 3.. Példa (Normális eloszlás. A ξ valószí ségi változó stadard ormális eloszlású, ha s r ségfüggvéye f(x = π e x (x R. Ha ezt itegráljuk a számegyeese, akkor -et kapuk eredméyül, tehát a függvéy valóba s r ségfüggvéy: e t +s dt ds (φ,r = π dφ e r 0 0 tehát az eloszlásfüggvéy: Φ(x = π x ( r dr = π e t e t [ e r dt = ] dt. Jelölése: N(0,. 0 e t dt e s ds = = π. Így π e t dt =, Általáosa: P (m+σξ < x = P (ξ < x m x m = Φ(. A s r ségfüggvéy: f σ σ m+σξ(x = π σ e (x m σ. Ez a ormális eloszlás m és σ paraméterekkel, jelölése: N(m, σ. Általába ha η N(m, σ, akkor η m N(0,. σ 0
11 3.. Példa { (Gamma-eloszlás. A ξ Γ(λ, α eloszlású, ha s r ségfüggvéye: 0 : x 0 f ξ (x = λ α, ahol Γ(α = x α e x dx. (Megj.: Γ( = (!. Γ(α xα e λx : 0 < x Lemma. Legye φ Borel-mérhet függvéy és ξ valószí ségi változó. Ekkor φ(ξ is valószí ségi változó. Bizoyítás. Tetsz leges B B(R eseté {w : φ(ξ(w B} = {w : ξ(w φ (B} A Következméy. Ha ξ valószí ségi változó, akkor ξ, ξ +, illetve ξ is valószí ségi változó Deíció. ξ általáosított valószí ségi változó, ha ξ : Ω [, + ] és ξ (B A mide B B(R-re Tétel. a Legye ξ emegatív általáosított valószí ségi változó. Ehhez létezek olya 0 ξ ξ véges sok értéket felvev valószí ségi változók, hogy ξ (w ξ(w mide w Ω-ra. b Legye ξ általáosított valószí ségi változó, ekkor létezek olya ξ, ξ,... véges sok értéket felvev valószí ségi változók, hogy ξ (w ξ(w mide w Ω-ra. Bizoyítás. a Legye ξ (w := k χ{ k ξ(w < k } + χ{ξ(w }. b ξ = ξ + ξ, ezekre a szerit létezek a megfelel sorozatok, amelyek külöbsége jó lesz Állítás. Legyeek ξ, ξ,... általáosított valószí ségi változók, amelyekre mide w Ω-ra létezik a ξ(w = lim ξ (w határérték. Ekkor ξ is általáosított valószí ségi változó. lim sup ξ = if sup m Bizoyítás. {ξ < x} = {lim ξ < x} = {lim sup ξ = lim if ξ } {lim sup ξ < x} A, mivel Ω ξ m, továbbá általáosított valószí ségi változók imuma és szuprémuma is általáosított valószí ségi változó. Ha ugyais η általáosított valószí ségi változó, akkor {sup η x} = {η x} A és {if η < x} = {η < x} A Jelölés. A ξ (általáosított valószí ségi változó által geerált σ-algebrát F ξ jelöli, ahol F ξ = σ(ξ = {{w : ξ(w B}, B B(R} Tétel. Az η valószí ségi változó potosa akkor F ξ -mérhet, ha va olya φ Borel-mérhet függvéy, melyre η = φ(ξ. Bizoyítás. Ha η = φ(ξ, akkor η F ξ -mérhet, mert {w : η(w B} = {w : ξ(w φ (B} F ξ. A megfordítás bizoyításához legye Φ ξ = {η : F ξ -mérhet } és Φ ξ = {φ(ξ : φ Borel-mérhet }. Ha A F ξ és η = χ A, akkor létezik olya B B(R, hogy A = {w : ξ(w B}, ekkor χ B Borel-mérhet függvéy és η = χ A = χ B (ξ Φ ξ. Így az A i F ξ eseméyekre c i χ Ai Φ ξ. Ha η F ξ -mérhet, akkor az el z tétel szerit létezek olya η véges sok értéket felvev, F ξ -mérhet valószí ségi változók, hogy η (w η(w mide w Ω-ra. Így φ (ξ(w η(w mide w Ω-ra, ahol φ Borel-mérhet. Legye B := {x R : lim φ (x} Borel-mérhet, ekkor φ(x := { lim φ (x : x B 0 : x / B Borelmérhet függvéy, valamit η(w = lim φ (ξ(w = φ(ξ(w, azaz η Φ ξ.
12 ξ (w 3.0. Deíció. ξ(w =. -dimeziós valószí ségi vektorváltozó, ha mide i-re ξ i ξ (w valószí ségi változó. 3.. Állítás. ξ potosa akkor -dimeziós valószí ségi vektorváltozó, ha ξ : (Ω, A (R, B(R mérhet. Bizoyítás. : Legye B B(R. Ekkor {ξ k B} = {ξ R,..., ξ k B,..., ξ R} = {ξ R... B... R} A. : Legye B i B(R, ekkor {ξ B,..., ξ B } = k {ξ k B k } A és {ξ B... B } A, így σ(b... B = B(R. 3.. Deíció. Legye B B(R, ekkor Q ξ (B = P (ξ B a ξ eloszlása Megjegyzés. (R, B(R, Q ξ Kolmogorov-féle valószí ségi mez. Ha (R, B(R, Q is Kolmogorov-féle valószí ségi mez, akkor létezik olya ξ -dimeziós valószí ségi vektorváltozó, hogy Q ξ = Q és ξ(w = w Deíció. F ξ (x := P (ξ < x,..., ξ < x a ξ eloszlásfüggvéye Tétel (Bizoyítás élkül. F potosa akkor egy -dimeziós valószí ségi változó eloszlásfüggvéye, ha teljesülek a következ k: F mide változóba mooto öv. lim F ξ(x = 0 (i =,..., és lim F ξ(x =. x i x i +,,..., 3 F mide változóba balról folytoos, és jobbról létezik a limesze. 4 Mide a k < b k (k =,..., eseté ( ( ε k F ε a + ( ε b,..., ε a + ( ε b 0 ε i =0 vagy 3.6. Megjegyzés. Egy ξ valószí ségi vektorváltozóra az utolsó összeg pot P (a k < ξ k < b k, k =,..., Deíció. ξ diszkrét, ha véges vagy megszámlálhatóa sok értéket vehet fel Deíció. ξ abszolút folytoos eloszlású a µ mértékre ézve, ha létezik a dq ξ dµ Rado-Nikodymderivált Megjegyzés. Legye ξ diszkrét, értékkészlete {z, z,...}, ekkor az m(b = {i : z i B} számlálómértékre ézve ξ abszolút folytoos eloszlású, azaz létezik a dq ξ dm Rado-Nikodym-derivált Tétel. Legye adott az A R tartomáyo egy g folytoosa diereciálható függvéy, melyek létezik az iverze. Továbbá legye ξ valószí ségi változó A-beli értékkel, melyek s r ségfüggvéye f ξ. függvéy Jacobi- Ekkor g(ξ s r ségfüggvéye f g(ξ (y = f ξ (g (y J, ahol J = mátrixa. Bizoyítás. Legye η = g(ξ és C = g(a. Ekkor [ ] g i (y y j a g Q η (B = P (η B = P (g(ξ B = P (g(ξ B C = P (ξ g (B C = = f ξ (x dx = f ξ (g (y J dy. g (B C B C
13 4. el adás 007. X. 3. szerda 4.. Deíció. Az F, F,..., F eseméyredszerek függetleek, ha bármely A F,... A F választása eseté A,..., A függetleek. 4.. Deíció. A ξ,..., ξ valószí ségi változók függetleek, ha F ξ,..., F ξ függetleek Deíció. A ξ, ξ,... valószí ségi változók függetleek, ha mide -re ξ,..., ξ függetleek Állítás. A ξ,..., ξ potosa akkor függetleek, ha bármely B i B(R-re P (ξ B,..., ξ B = P (ξ i B i, vagy ami ezzel ekvivales, F (ξ (x = F ξi (x i mide x-re Tulajdoság. Legyeek ξ,..., ξ diszkrétek. Ekkor potosa akkor függetleek, ha P (ξ = x,..., ξ = x = P (ξ i = x i mide x i -re. Legyeek ξ,..., ξ abszolút folytoos valószí ségi változók. Itt a függetleség ekvivales azzal, hogy f ξ (x = f ξi (x i. 3 Kostas valószí ségi változó mide valószí ségi változótól függetle. 4 Legyeek ξ,..., ξ függetleek és g i -k Borel-mérhet k. Ekkor g (ξ,..., g (ξ is függetleek. 5 Legyeek ξ,..., ξ függetleek és h Borel-mérhet, k-dimeziós. Ekkor h(ξ,..., ξ k, ξ k+,..., ξ is függetleek Állítás (Kovolúciós formula. Legyeek ξ és η függetle, abszolút folytoos valószí ségi változók. Ekkor ξ+η is abszolút folytoos eloszlású, és s r ségfüggvéye f ξ+η (x = f ξ (x y f η (y dy + = + f ξ (y f η (x y dy. ( ( ( ( x x Bizoyítás. Legye g =, azaz y x x + x = x és y = x +x, így g y y = ( y y y és J = 0 =. (A továbbiakba írjuk sorvektorokat az oszlopvektorok helyett. A korábbi tétel szerit g(ξ, η s r ségfüggvéye f g(ξ,η (y = f ξ,η (g (y J, azaz: f (ξ,ξ+η (y, y = f (ξ,η (y, y y = f ξ (y f η (y y. Mivel P (ξ + η B = P (ξ R, ξ + η B, így f ξ+η (y = f (ξ,ξ+η (y, y dy = f ξ (y f η (y y dy = f η (y f ξ (y y dy Állítás (Diszkrét eset. Legyeek ξ és η függetleek, értékkészletük pedig {x k } és {y l }. Ekkor P (ξ + η = z = P ( {ξ = x k, η = y l } = P (ξ = x k, η = y l = P (ξ = x k P (η = y l. x k +y l =z x k +y l =z x k +y l =z 3
14 4.8. Példa (Diszkrét esetek. Legyeek ξ B(, p és η B(, p függetleek. Ekkor ξ + η B( +, p. Ugyais ξ + η értékkészlete 0,,..., +, így P (ξ + η = k = mi{k, } l=max{k,0} ( pl ( p l ( l p k ( p + k ( + k k l p k l ( p k+l =, azaz ξ + η B( +, p. k l=0 mi{k, } ( l=max{k,0} l P (ξ = l P (η = k l = ( ( p k l pk + k = Megj.: ugyaez egyszer bbe is kiszámítható: legyeek X, X,... függetle, azoos eloszlású p- idikátorok, ekkor X +...+X B(, p, X X +m B(m, p, és így X +...+X +m B( + m, p. Legyeek ξ λ-poisso és η µ-poisso függetleek. Ekkor ξ + η (λ + µ-poisso. Ugyais P (ξ + η = k = k P (ξ = l P (η = k l = k l=0 l=0 λl e λ µk l e µ l! (k l! = e (λ+µ e (λ+µ k! (λ + µ k, azaz valóba (λ + µ paraméter Poisso-eloszlást kapuk. k! k l=0 ( k l λl µ k l = 3 Legyeek ξ p-pascal és η p-pascal függetleek, valamit X = ξ + η a. sikeres kísérlet sorszáma. Ekkor P (X = k = ( k ( p k p, vagyis másodred p paraméter egatív biomiális eloszlást kaptuk Példa (λ-expoeciális eset. Legyeek ξ,..., ξ függetle λ-expoeciális { valószí ségi változók és η = ξ +...+ξ. Azt állítjuk, hogy ekkor η s r ségfüggvéye g (x = 0 x 0 x λ e λx. x > 0 (! Ezt -re voatkozó teljes idukcióval látjuk be a következ képpe: Az = esetet már láttuk a 3.0. Példába. Tegyük fel, hogy -ig igaz az állítás, most ézzük ( + -re: g + (x = f (ξ +...+ξ +ξ + (x = λ + e λx! f ξ +...+ξ (x y f ξ+ (y dy = g (x y g (y x (x y dy 0 x 0 z dz x 0 = x λ + e λx! (x y λ e λ(x y λe λy dy = (! (x > 0, amivel a várt eredméyre jutottuk. Példakét vegyük egy olya autóbuszjáratot, ahol a buszok követési ideje egymástól függetle, azoos λ-expoeciális eloszlású. Jelölje ξ az els busz beérkezési idejét, ξ az els és a második busz érkezése közötti id t stb. Ekkor vajo várhatóa háy busz érkezik a [0, t id itervallumba? Jelölje N a beérkezett buszok számát, ekkor N eloszlása (λt-poisso, ugyais: t 0 x λ e λx t dx (! 0 P (N = = P (N P (N + = P (η < t P (η + < t = x λ + e λx! dx = λ! t 0 x e λx dx t x λe λx dx 0 [x e λx ] t 0 t 0 x e λx dx = (λt e λt,! azaz eyi valószí séggel jö potosa busz a megállóba t id alatt. A kérdés potos megválaszolásához szükségük va a következ deíció (várható érték bevezetésére. 4
15 Várható érték 4.0. Deíció. A ξ valószí ségi változó várható értéke Eξ = ξ dp, ha ez utóbbi létezik. Az Ω itegrál akkor értelmes, ha létezik Eξ + és Eξ, valamit mi(eξ +, Eξ <, azaz a kett közül legalább az egyik véges. 4.. Tulajdoság (a Lebesgue-itegrál tulajdoságai alapjá. E(c ξ = c Eξ. Ha ξ η, akkor Eξ Eη. 3 Ha létezik Eξ, akkor Eξ E ξ. 4 Ha létezik (és véges Eξ, akkor mide A A-ra létezik (és véges E(ξ χ A. 5 Ha létezik Eξ, Eη, és Eξ + Eη értelmes, akkor E(ξ + η = Eη + Eξ is létezik. 6 Ha ξ = 0 majdem mideütt, akkor Eξ = 0. 7 Ha ξ = η majdem mideütt és létezik a véges Eξ, akkor Eη is létezik és Eη = Eξ. 8 Ha ξ 0 és Eξ = 0, akkor P (ξ = 0 =. Ez köye adódik a következ tételb l, hisze {ξ > 0} = {ξ > }, és a Markov-egyel tleségb l P (ξ > P (ξ Eξ = 0. = 4.. Tétel (Markov-egyel tleség. Legye ξ emegatív valószí ségi változó, amelyek létezik az Eξ várható értéke, továbbá legye c pozitív szám. Ekkor P (ξ c Eξ Bizoyítás. tétel rögtö következik. Az Eξ = ξ dp ξ dp c dp = c P (ξ c egyel tleségekb l a Ω {ξ c} {ξ c} 4.3. Példa. Ha c kostas valószí ségi változó, akkor triviálisa Ec = c. Az A idikátoráak várható értéke Eχ A = 0 P (χ A = 0 + P (χ A = = P (A. 3 Legye ξ diszkrét, ekkor Eξ = x k P (ξ = x k. k 4 Tegyük fel, hogy ember midegyikéhez tartozik egy esery, melyeket beadak a ruhatárba. Sajos közbe összekeveredek, így véletleszer e kap mideki egyet távozáskor. Várhatóa háya távozak a saját esery jükkel? Legye ξ azo emberek száma, akik a sajátjukat kapják vissza, valamit η i :=, ha az i-edik ember a sajátját kapja, külöbe pedig η i := 0. Ekkor ξ = η η és Eξ = Eη Eη = =. (Ugyais Eη i = P (i a sajátját kapja =. 5 Legye ξ B(, p biomiális eloszlású valószí ségi változó. Ekkor Eξ = k ( k p k ( p k = k=0 ( p p k ( p (k = p. Ugyaez egyszer bbe: ha ξ = η η (függetle k } {{ } =(p+( p = idikátorok összege, akkor Eξ = Eη Eη = p. Példa: egy dobozba M darab piros és N M darab fehér golyó va. Húzzuk a dobozból visszatevéssel véletleszer e darabot, és ξ B(, M M jelölje a pirosak számát. Így Eξ =. N N 6 Legye ξ λ-poisso, ekkor Eξ = k e λ λ e λ λ k k = λ = λ. k! k=0 (k! = 7 Végezzük most a biomiális eloszlás várható értékéél látott golyós példához hasoló kísérletet, csak visszatevés élkül húzzuk a dobozból. Ekkor a ξ valószí ségi változó hipergeometrikus mi(,m eloszlású, és várható értéke: Eξ = k (M k ( N M k. Az egyszer bb kiszámítás céljából legye k=0 ( N ξ = η η M, ahol η i :=, ha az i-edik piros golyót kihúztuk, külöbe pedig 0. Ekkor P (η i = = (N ( N = M, így Eξ =. N N 5 c.
16 Az eloszlás és eloszlásfüggvéy segítségével is felírható a várható érték. Eξ = x dq R ξ(x = x df R ξ(x és Eg(ξ = g(ξ dp = g(x dq Ω R ξ(x = g(x df R ξ(x, ahol a df ξ (x szeriti itegrálás a Lebesgue-Stieltjes-itegrálást jelöli. Ebb l az abszolút folytoos valószí ségi változók várható értéke: Eξ = x f R ξ(x dλ(x és Eg(ξ = g(x f R ξ(x dλ(x Példa. Az egyeletes eloszlás várható értéke ξ E(a, b eseté Eξ = b x a+b dx =. a b a A λ-expoeciális eloszlás várható értéke Eξ = x λ e λx dx = [ x e λx ] [ e λx dx = 0 e λx λ ] 0 = λ. 3 A ormális eloszlás várható értéke ξ N(0, eseté Eξ = x π e x dx = 0, hisze a s r ségfüggvéy szimmetrikus, így az itegrálba egy páratla függvéy szerepel (továbbá az itegrál koverges, mert elég agy x-re x e x felülr l becsülhet az e x függvéyel. Általáosa pedig m + σξ N(m, σ eseté E(m + σξ = m + σ Eξ = m Állítás (Bizoyítás élkül. Eξ = ( F 0 ξ(y dy 0 F ξ(y dy. Speciálisa, ha ξ 0, akkor Eξ = ( F 0 ξ(y dy Példa. Legye ξ λ-expoeciális, ekkor Eξ = e λy dy =. (A várakozásak megfelel e 0 λ a buszok -val követik egymást, hisze t id alatt λt fut be. λ 4.7. Deíció. ξ ξ majdem mideütt, ha P (w : ξ (w ξ(w = Tétel (mooto kovergecia. Legye ξ η, ξ mooto öv, Eη > és ξ ξ majdem mideütt. Ekkor Eξ Eξ. Legye ξ η, ξ mooto csökke, Eη < és ξ ξ majdem mideütt. Ekkor Eξ Eξ. ( 4.9. Következméy. η 0 eseté E η = Eη. = = 4.0. Tétel (Fatou-lemma. Ha ξ η és Eη >, akkor E(lim if ξ lim if Eξ. Ha ξ η és Eη <, akkor lim sup Eξ E(lim sup ξ. 3 Ha ξ η és Eη <, akkor E(lim if ξ lim if Eξ lim sup Eξ E(lim sup ξ. 4.. Tétel (majorált kovergecia. Ha ξ η, Eη < és ξ ξ majdem mideütt, akkor E ξ <, Eξ Eξ és E ξ ξ 0 (ha. 4.. Tétel. Legyeek ξ és η függetle valószí ségi változók, valamit E ξ és E η végesek. Ekkor E ξ η is véges és E(ξ η = E(ξ E(η. Bizoyítás. Legye ξ és η 0. Vezessük be a következ ξ és η -eket: ξ := k=0 k χ { k k+ ξ< }, melyre 0 ξ ξ, ξ ξ majdem mideütt, ξ ξ <. Ugyaígy η := l=0 l χ { l l+ η< }, ahol 0 η η, η η majdem mideütt, η η <,. 6
17 A majorált kovergecia tételb l lim Eξ = Eξ és lim Eη = Eη. Ekkor E(ξ η = ( k l k P ξ < k + l, η < l + = Eξ Eη, k,l ahol a függetleség miatt P (... = P ( k ξ < k+ P ( l η < l+. Tehát E(ξ η E(ξ η E ξ η ξ η E( ξ η η + η ξ ξ E ξ + E η E ξ + (E η + E η η E ξ + (E η + 0. Így E(ξ η E(ξ η és Eξ Eη Eξ Eη, azaz E(ξ η = Eξ Eη, amib l már a végesség is yilvávaló. (Általába pedig így írhatjuk fel ket: ξ = ξ + ξ és η = η + η Deíció. {ξ } egyeletese itegrálható, ha sup ξ { ξ >c} dp 0, ha c. Megj.: ugyaez más alakba: sup E{ ξ χ { ξ >c}} 0, ha c Megjegyzés. Legye ξ η, Eη <, ekkor sup E{ ξ χ { ξ >c}} E{η χ {η>c} }. Ha Ψ k = η χ {η>k}, akkor Ψ k η, mooto csökke és Ψ k 0 majdem mideütt. Ekkor pedig EΨ k 0, ha k. Így {ξ } egyeletese itegrálható Állítás. {ξ } egyeletese itegrálható valószí ségi változó sorozat. Ekkor sup E ξ <. Bizoyítás. E( ξ χ { ξ c}, ezért sup Az egyeletes itegrálhatóság miatt va olya 0 < c, amelyre sup E( ξ χ { ξ <c} + ξ χ { ξ c} c +, azaz véges. E ξ = sup } {{ } c 4.6. Tétel. Ameyibe {ξ } egyeletese itegrálható, akkor a E(lim if ξ lim if Eξ lim sup Eξ E(lim sup ξ. b Ha ξ ξ majdem mideütt, akkor E ξ <, Eξ Eξ és E ξ ξ 0 (ha. Bizoyítás. a Legye c > 0, ekkor Eξ = E{ξ χ {ξ <c}} + E{ξ χ {ξ c}}, illetve lim if E{ξ χ {ξ c}} E{lim if ξ χ {ξ c}} E{lim if ξ }. Mivel ξ egyeletese itegrálható, így sup E{ξ χ {ξ< c}} < ε elég agy c-re. Ezért Eξ ε + E{ξ χ {ξ c}}, így lim if Eξ ε + E{lim if ξ }. A lim sup-os rész teljese hasolóa igazolható, ezzel az állítás a részét beláttuk. b a szerit Eξ Eξ, másrészt ξ, ξ ξ egyeletese itegrálhatók és ξ ξ, ξ ξ 0 majdem mideütt, így E ξ E ξ, E ξ ξ 0 és a 4.5.Állításból E ξ <. 7
18 5. el adás 007. X. 0. szerda 5.. Tétel. Tegyük fel, hogy 0 ξ ξ majdem mideütt és Eξ véges. Ekkor Eξ Eξ < egyeérték azzal, hogy {ξ } egyeletese itegrálható. Bizoyítás. Az egyeletese itegrálhatóságból az el z el adáso elhagzott 4.6.Tétel miatt következik, hogy Eξ Eξ <. Tehát elég belátuk az ellekez iráyt. Legye B := {a : P (ξ = a > 0}. Ha a / B, akkor ξ χ {ξ<a} ξ χ {ξ<a} majdem mideütt és ξ χ {ξ<a} egyeletese itegrálható, valamit E(ξ χ {ξ <a} E(ξ χ {ξ<a}. Legye a 0 / B olya, hogy E(ξ χ {ξ a0 } < ε. Továbbá N 0 olya agy egész szám, melyre E(ξ χ {ξ a 0 } E(ξ χ {ξ a0 } + ε, ha N 0. Így E(ξ χ {ξ a0 } < ε N 0 eseté. Most legye a / B em kisebb az a 0 -ál, ekkor E(ξ χ {ξ a } ε, ha > N 0. Továbbá E(ξ χ {ξ c} ε mide -re, ha c a. Azt kaptuk tehát, hogy sup E(ξ χ {ξ c} c 0, azaz ahogya az egyeletes itegrálhatóságot deiáltuk. ξ 5.. Deíció. A ξ =. várható értéke létezik, ameyibe mide i, -re létezik egyekét Eξ az Eξ i várható érték, és ekkor Eξ :=.. Eξ ξ Aalízisb l ismertek a következ eredméyek Egyel tleségek. Jese-egyel tleség: Ha létezik Eξ és g kovex, akkor g(eξ Eg(ξ. Cauchy-egyel tleség: E ξ η Eξ Eη. 3 Hölder-egyel tleség: Ha r > és r + s =, akkor E ξ η ( E( ξ r r (E( η s s. 4 Mikowski-egyel tleség: Ha r >, akkor ( E ξ + η r r ( E( ξ r r + ( E( η r r. A Jese-egyel tleségb l köye adódik a következ állítás Állítás (Ljapuov-egyel tleség. Ha 0 < s < t, akkor (E ξ s s (E ξ t t. Bizoyítás.Ha 0 < s < t, akkor legye r = t s, η = ξ s és g(x = x r. Ekkor a Jese-egyel tleség alapjá g(eη Eg(η, azaz (E ξ s t s E ξ t Deíció. Legye P (A > 0, ekkor ξ feltételes várható értéke az A feltételre ézve a következ : E(ξ A := ξ dp. Speciálisa, ha ξ diszkrét, akkor E(ξ A = ξ dp = A ξ P (A A P (A A P (A χ {ξ=xk } dp = x P (A A {ξ=x k } k dp = x P (A k P (A {ξ = x k } = x k P (ξ = x k A. k k k k 5.6. Tétel (Teljes várható érték tétel. Legye ξ diszkrét valószí ségi változó véges várható értékkel és A, A,... teljes eseméyredszer, ahol 0 < P (A i. Ekkor Eξ = E(ξ A P (A. 8
19 Bizoyítás. E(ξ A P (A = x k P (ξ = x k A P (A = x k P (ξ = x k A k k P (A = x k P (ξ = x k = Eξ. (A két szumma az abszolút kovergecia miatt volt felcserélhet, k majd alkalmaztuk a teljes valószí ség tételét Példa. Wald-azoosság: Legyeek X, X,... függetle, azoos eloszlású valószí ségi változók, amelyekre létezik EX i, és N egy t lük függetle pozitív, egészérték valószí ségi változó. Ekkor E(X +... X N = EX EN, ugyais E(X X N = E(X X N N = P (N = = = EX P (N = = EX EN, hisze P (X X N = y N = = P (X +...+X =y,n= P (N= = P (X X = y. Ie pedig E(X X N = y N = = EX. geometriai eloszlás: Legye P (η = k = ( p k p, ahol k. Ekkor Eη = = k ( p k p. Jelölje A azt az eseméyt, hogy az els kísérlet sikeres. Ekkor Eη = E(η A P (A + E(η A P (A, amib l Eη = p + ( + Eη ( p, így Eη =. p 3 szimmetrikus bolyogás: Jelölje ξ a lépések számát -b l 0-ba ( 0, továbbá legye v( := Eξ. Legye A az az eseméy, hogy az els lépésbe jobbra lépük. Ekkor Eξ = E(ξ A + E(ξ A, itt E(ξ A = + v( + és (Eξ A = + v(, így v( = + v( + + v(, továbbá v(0 = 0. Vagyis v( + v( = v( v( =... = v( v(0. Ebb l v( = v( v( +v( +v( +...+v( v(0+v(0, ahol kettesével beírhatjuk a szomszédos tagok helyére a korábbi formulát, így az összeg értéke v( ( = (v( ( 0. Így v( mide N-re, vagyis v( = +. Ebb l az is következik, hogy szimmetrikus bolyogásál várhatóa végtele sok lépésbe térük vissza a kiidulási potba Deíció. D ξ = E(ξ Eξ a ξ valószí ségi változó szóráségyzete, ha az Eξ létezik és véges. ξ szórása pedig a szóráségyzet égyzetgyöke, azaz Dξ = D ξ Deíció. Eξ k a ξ k-adik mometuma és E ξ k a ξ k-adik abszolút mometuma Tulajdoság. A szóráségyzet midig emegatív. Továbbá D ξ potosa akkor véges, ha Eξ véges. Ugyais: ( ξ + ξ és Eξ < miatt Eξ <, így (ξ Eξ (ξ + Eξ, ( ξ ((ξ Eξ + (Eξ. 5.. Deíció. Az E(ξ Eξ k a ξ k-adik cetrális mometuma és E ξ Eξ k a ξ k-adik abszolút cetrális mometuma. 5.. Tulajdoság. D ξ = Eξ (Eξ, hisze D ξ = E(ξ Eξ = E(ξ ξeξ + (Eξ = Eξ EξEξ + (Eξ. Mide A valós számra E(ξ A D ξ, ugyais E(ξ A = E(ξ Aξ + A = Eξ (Eξ + (Eξ A Eξ + A = D ξ + (Eξ A. 3 D ξ = 0 potosa akkor, ha ξ = c majdem mideütt. Hisze ha majdem mideütt kostas, akkor ξ Eξ = c c = 0, így E(ξ Eξ = 0. Megfordítva, ha E(ξ Eξ = 0, akkor (ξ Eξ = 0 m. m., így ξ = Eξ m. m., azaz kostas. 4 D (aξ + b = a D ξ, hisze E(aξ + b aeξ b = E(a (ξ Eξ = a E(ξ Eξ. 5 Legyeek ξ, ξ,..., ξ párokét függetleek és D ξ,..., D ξ <. Ekkor D (ξ ξ = D ξ i. Ugyais: D (ξ +...+ξ = E ( (ξ i Eξ i ( = E i Eξ i (ξ + (ξ i Eξ i (ξ j Eξ j = i j ( E(ξ i Eξ i + E ((ξ i Eξ i (ξ j Eξ j. Tehát D c i j i ξ i = c i D ξ i. D ξ i =E(ξ i Eξ i E(ξ j Eξ j =0 0 9
20 5.3. Példa. A idikátoráak szóráségyzete D χ A = Eχ A (Eχ A = Eχ A (Eχ A = P (A ( P (A. Legye ξ B(, p (azaz biomiális valószí ségi változó, x,..., x függetle p-id. Ekkor x x B(, p és D ξ = D (x x = D x D x = p ( p. 3 Legye η λ-expoeciális valószí ségi változó, melyek várható értéke korábbi ismereteik alapjá Eη =. Továbbá: λ Eη = x λ e λx dx = [ x ( e λx ] + 0 x e λx dx, ahol az összeg 0 0 els tagja 0, az itegrál pedig x λ e λx dx = Eη, tehát λ 0 λ Eη =. Ezzel a szóráségyzet λ D η = Eη (Eη =. λ 4 Legye ξ N(0,, azaz ormális eloszlású valószí ségi változó. Mivel Eξ = 0, ezért D ξ = Eξ = ] x π e x dx = π [x ( e x + e x dx =. Általáosa pedig π = legye m + σξ N(m, σ, ekkor D (m + σξ = σ D ξ = σ. 5 Végül legye η λ-poisso. Azt már tudjuk, hogy Eη = λ. Továbbá Eη = k λk e λ = (k! k= λk e λ + (k! k=0 k λk e λ k! = λk e λ = (λ + (λ, azaz D η = Eη (Eη = λ + λ λ = λ. (k! 5.4. Deíció. A ξ és η valószí ségi változók kovariaciája cov(ξ, η = E { (ξ Eξ(η Eη }, korrelációja R(ξ, η = corr(ξ, η = cov(ξ,η Dξ Dη Tulajdoság. cov(ξ, η = E(ξ η Eξ Eη. R(ξ, η, hisze cov(ξ, η = E { (ξ Eξ(η Eη } CSB E(ξ Eξ E(η Eη = Dξ Dη. 3 R(ξ, η = akkor és csak akkor, ha létezik a 0 és b, hogy ξ = aη + b (majdem mideütt. Ugyais ha létezik ilye a és b, akkor ξ Eξ = a(η Eη, D ξ = a D η, azaz Dξ = a Dη, továbbá cov(ξ, η = ae(η Eη = ad η. Tehát R = ad η = a. a DηDη a A másik iráy bizoyításához tegyük fel, hogy R(ξ, η =. Ekkor ξ = ξ Eξ és η = η Eη választásával Eξ = Eη = 0 és D ξ = D η =. Ie E(ξ η = és E(ξ η = Eξ E(ξ η +Eη = 0, Dξ Dη így ξ = η majdem mideütt, azaz ξ az η-ak egy lieáris traszformáltja. Aalóg módo vizsgálható a - korrelációjú eset. 4 Ameyibe ξ és η függetleek, akkor R(ξ, η = 0, ugyais cov(ξ, η = E(ξη Eξ Eη = Eξ Eη Eξ Eη = Állítás. mi E(ξ aη a,b b = E(ξ m r σ σ m = Eη, σ = D ξ, σ = D η és r = R(ξ, η. (η m = ( r σ, ahol m = Eξ, Bizoyítás. E(ξ aη b = E(ξ m a(η m + m am b = = σ +a σ +(m am b a cov(ξ, η = σ +a σ a rσ σ = ( r σ +(aσ rσ, =m am =r σ σ (aσ rσ r σ ami a := r σ σ választása eseté lesz miimális Deíció. ξ szórásmátrixa V (ξ = E { (ξ Eξ(ξ Eξ T } := Σ, amely pozitív szemideit, ugyais a T Σa = E { a T (ξ Eξ(ξ Eξ T a } Tétel (Csebisev-egyel tleség. Ha ξ szóráségyzete véges, azaz D ξ <, valamit 0 λ, akkor teljesül a P ( ξ Eξ λ D ξ egyel tleség. λ Bizoyítás. A Markov-egyel tleségb l köye adódik, hisze az η := (ξ Eξ választással P (η λ Eη = D ξ. λ λ 0
21 5.9. Példa. Egy párt szavazótáborát szereték megbecsüli úgy, hogy legalább 0, 95 valószí séggel legfeljebb %-ot tévedjük. Jelölje N az összes ember, M a kérdéses pártra szavazók, pedig a megkérdezettek számát, ekkor p := M -et akarjuk jól közelítei. Legye továbbá x N i értéke, ha az i-edik megkérdezett az adott pártra szavaz és 0 külöbe. Ekkor a ( x x P M N 0, 0 0, 95 egyel tleségek kell teljesülie, ami potosa akkor igaz, ha P ( x +...+x Csebisev-egyel tleség alapjá P ( x +...+x 0000 p( p p > 0, 0 D ( x+...+x 0,0, ahol, tehát ember választása biztosa eleged. p > 0, 0 0, 05. A D ( x i = 0,0 p( p = 0,0
22 6. el adás 007. X. 7. szerda 6.. Tétel (A agy számok gyege törvéye. Legyeek ξ, ξ,... párokét függetle, azoos eloszlású valószí ségi változók, D ξ i < és Eξ i = m. Ekkor mide 0 < ε-ra ξ i P m ε 0, ha. Bizoyítás. Tudjuk, hogy E ξ i = m. Ekkor a Csebisev-egyel tleséget felhaszálva P ξ i m ε ξ D i ε = ( D ξ i = ε D ξ i = D ξ 0, ha. ε ε 6.. Példa. Tekitsük függetle kísérleteket, mide kísérlet legye p valószí séggel sikeres. Jelölje η a sikeres kísérletek számát az els kísérletbe. Ekkor P ( η p ε 0, ha. Legye ugyais η = X X, ahol X i =, ha az i-edik kísérlet sikeres, külöbe pedig 0. Továbbá EX i = p és D X i = p( p. Így X i -kre teljesülek az el bbi tétel feltételei, tehát a relatív gyakoriság tart p-hez. Tekitsük (R T, B(R T -t, vagy speciálisa (R, B(R -t. Tegyük fel, hogy az U T véges halmazokra (R U, B(R U - adott egy Q U valószí ségi mérték Deíció. Q U egyeztetett eloszláscsalád, ha mide U U T végesekre teljesül, hogy mide B B(R U -re Q U (B = Q U (B R U \U. Ekkor azt modjuk, hogy Q U a Q U vetülete R U -re Tétel (Kolmogorov, bizoyítás élkül. Legye adott (R T, B(R T - a Q U egyeztetett eloszláscsalád. Ekkor egyértelm e létezik (R T, B(R T - olya Q eloszlás, hogy Q vetülete R U -ra Q U mide U T végesre Deíció. F t,...,t (x,..., x egyeztetett eloszlásfüggvéyek, ha mide k -re F t,...,t k (x,..., x k = F t,...,t k,t k+,...,t (x,..., x k, +,..., Tétel. Legyeek az F t,...,t eloszlásfüggvéyek egyeztetettek, t i T R és t < t <... < t. Ekkor létezik (Ω, A, P és azo ξ t (t T valószí ségi változók úgy, hogy P (ξ t < x,..., ξ t < x = F t,...,t (x,..., x mide t <... < t -re és x i R-re. Bizoyítás. Legye U = {t,..., t }-re Q U ((ω t,..., ω t : ω t < x,..., ω t < x = F t,...,t (x,..., x. Ekkor Q U egyeztetett eloszláscsalád, így a Kolmogorov-tétel alapjá egyértelm e létezik olya Q T mérték (R T, B(R T -, amelyek U-ra vett vetülete Q U. (R T, B(R T, Q T és ξ t (ω := ω t pot megfelel. Fotos! Tekitsük például az F, F,... eloszlásfüggvéyeket. Legye F t,...,t (x,..., x = F t (x... F t (x. Ez egyeztetett eloszlásfüggvéy-család, így az el z tétel szerit létezik olya valószí ségi mez és azo függetle ξ, ξ,... valószí ségi változók, hogy ezek eloszlásfüggvéyei pot F, F,..., mivel P (ξ t < x,..., ξ t < x = F t,...,t (x,..., x = F t (x... F t (x Deíció. A ξ valószí ségiváltozó-sorozat sztochasztikusa tart ξ-hez, ha mide 0 < ε-ra st. P ( ξ ξ ε 0, eseté. Jelölése: ξ ξ (vagy ξ ξ.
23 6.8. Tétel. Ha ξ ξ, akkor P (ξ < x P (ξ < x (, ez utóbbi mide folytoossági potjába. Bizoyítás. Legye A := { ξ ξ < ε}. Ekkor P (ξ < x = P (ξ < x A P (A + P (ξ < x A P (A P (ξ < x A P (A + P (A = P ((ξ ξ < (x ξ A P (A + P (A P (ξ < (x + ε A P (A + P (A = P (ξ < x + ε, A + P (A P (ξ < x + ε + P (A. Ebb l következik, hogy lim sup P (ξ < x P (ξ < x + ε + lim sup P (A, ahol a második tag 0 mide 0 < ε-ra. Ha x folytoossági potja P (ξ < x-ek, akkor lim sup P (ξ < x P (ξ < x. A másik iráyt a következ képpe mutathatjuk meg: P (ξ < x P (ξ < x, A = P (ξ + ξ < x + ξ, A = P (ξ < x + ξ ξ, A P (ξ < x ε, A = P (ξ < x ε P (ξ < x ε, A P (ξ < x ε P (A, ebb l lim if P (ξ < x P (ξ < x ε lim sup P (A, ahol a második tag értéke 0. Így lim if P (ξ < x P (ξ < x ε mide 0 < ε-ra, amib l lim if P (ξ < x P (ξ < x. Vagyis a folytoossági potokba lim sup P (ξ < x P (ξ < x és lim if P (ξ < x P (ξ < x, ekkor yilvá lim P (ξ < x = P (ξ < x Deíció. ξ ξ eloszlásba, ha F ξ (x F ξ (x az utóbbi mide folytoossági potjába. ξ ξ majdem mideütt, ha P (w : ξ (w ξ(w =. [ valószí ség kovergecia]. ξ ξ L p -be, ha E ξ ξ p Állítás. Ha ξ ξ L p -be, akkor ξ ξ, azaz sztochasztikusa is, hisze ez utóbbi deíciójába szerepl valószí ség felülr l becsülhet egy 0-hoz tartó sorozattal, evezetese P ( ξ ξ ε = P ( ξ ξ p ε p E ξ ξ p ε p Állítás. ξ ξ majdem mideütt akkor és csak akkor, ha lim P (sup ξ ξ > ε = 0 m m mide pozitív ε-ra. Bizoyítás. Legye A = {w : ξ (w ξ(w} = A = r= m= m r= m= m { w : ξ (w ξ(w } r { w : ξ (w ξ(w > }. r, ekkor Így ξ ξ majdem mideütt potosa akkor, ha P (A = 0. Deiáljuk még a következ halmazokat: {w : ξ (w ξ(w > } = {w : sup ξ r (w ξ(w > } = B r r,m. Ezek m függvéyébe yilvá m m mooto fogyó halmazsorozatot alkotak, azaz B r,m B r,m+ B r,m+.... Legye B r = B r,m, ekkor az.3.tétel szerit P (B r = lim P (B r,m. Továbbá B r B r+ B r+... és A = B r. m r Azaz újfet az.3.tételb l P (A = lim P (B r = sup P (B r. P (A = 0 potosa akkor áll fe, ha r r P (B r = 0 mide r-re (= lim P (B r,m = 0 mide r-re, ezzel az állítást igazoltuk. m 6.. Következméy. Ha ξ ξ majdem mideütt, akkor ξ sztochasztikusa is kovergál ξ-hez, ugyais P ( ξ m ξ > ε P (sup ξ ξ > ε m 0. m 6.3. Következméy. Ha P ( ξ ξ > ε < mide pozitív ε-ra, akkor ξ ξ majdem ( = ( mideütt, ugyais P sup ξ ξ > ε = P { ξ ξ > ε} P ( ξ ξ > ε m 0. m m =m m= 3
24 6.4. Példa (ξ tart ξ-hez majdem { mideütt, de L p -be em. Legye Ω := [0, ] geometriai valószí ségi mez és ξ (w = e : w [0, ] 0 : w / [0, ]. Ekkor ξ 0 majdem mideütt, viszot E ξ p = ep + ( 0 = ep 6.5. Deíció. Legye az A eseméysorozatra lim if A l := = l= A l, ill. lim sup A k := = k= Ekkor w lim if A l potosa akkor teljesül, ha w az A -ek közül csak véges sokak eleme, illetve w lim sup A k potosa akkor teljesül, ha w végtele sok A -ek eleme Tétel (Borel-Catelli-lemmák. Ha P (A <, akkor az A -ek közül valószí séggel csak véges sok következik be. = Ha P (A = és az A -ek függetleek, akkor az A -ek közül valószí séggel végtele sok = bekövetkezik. Bizoyítás. ( ( P A k P A k P (A k 0, azaz 0 valószí séggel következik be végtele = k= k k= sok, így -gyel véges sok. ( ( ( ( P A k m P A k, ahol P A k P A k = m P (A k e m P (A k k=, = k= = k k k= k= ami eseté 0-hoz tart. (Az utolsó becslésél felhaszáltuk, hogy x e x Példa (ξ tart ξ-hez L p -be, de em tart majdem mideütt. Legyeek ξ -ek függetleek, P (ξ = = d, P (ξ = 0 = d és E ξ p = d. A ξ sorozat potosa akkor tart L p -be 0-hoz, ha d 0. Továbbá ξ potosa akkor tart 0-hoz majdem mideütt, ha valószí séggel véges sok ξ em 0, ami pedig a Borel-Catelli-lemma szerit ekvivales azzal, hogy d véges. Így például a d = választás eseté ξ 0 majdem mideütt, viszot L p -be ige Tétel (Nagy számok Catelli-féle er s törvéye. Legyeek ξ, ξ,... függetle, azoos eloszlású valószí ségi változók és E ξ Eξ 4 véges. Ekkor Eξ majdem mideütt. (Megj.: Elég, ha E ξ i <, ez a agy számok Kolmogorov-féle er s törvéye. ξ k Bizoyítás. Legye ξ k = ξ k m, ahol m = Eξ, így azt kell beláti, hogy mideütt. Ha S = ξ k, akkor a 6.3. Következméy szerit elég azt igazoli, hogy véges. A Markov-egyel tleséget alkalmazva P ( S > ε E( S 4, ahol ε 4 S 4 = ( ξ ξ 4 = és ξ k ξ i ξ j + i<j i j,i k,i<k ES 4 = E ξ E ξ i E ξ j = E ξ i<j ξ i ξ j ξk + 4 ( i<j<k<l ( E ξ. ξ k = A k. 0 majdem P ( S > ε ξ i ξj ξk ξl + 4 ξ i 3 ξ j (Az utolsó három szumma várható értéke 0, mivel ξ i -k függetleek, és E ξ i = 0. Ekkor ES4 < c, 4 így P ( S > ε véges, azaz a feti valószí ség valóba 0-hoz tart. = i j 4
25 Nézzük most eek a tételek két alkalmazását! 6.9. Példa (Borel. Legye Ω = [0, ], w = 0, w w... -es diadikus tört és ξ (w = w, azaz az -edik számjegy. Ekkor { } { } w : ξ (w = x,..., ξ (w = x = w : x + x x w < x + x x +. Mivel P (ξ = x,..., ξ = x =, ezért P (ξ i = x i =, ahol x i = 0 vagy és függetleek. Ekkor ξ k Eξ = majdem mideütt Példa (Mote-Carlo módszer. Legye f : [0, ] [0, ] folytoos. Kérdés: f(x dx 0 becsülhet -e { véletle számgeerálás segítségével? Legyeek ξ, η, ξ, η,... függetle E(0, -eloszlásúak, ha f(ξ i > η i és ϱ i =. Belátható, hogy Eϱ i = P (f(ξ i > η i = f(xdx, így a tétel szerit 0 0, külöbe ϱ i f(x dx majdem mideütt Állítás (Scheé-tétel. Ha ξ 0, ξ ξ majdem mideütt és Eξ Eξ <, akkor L ξ ξ. Bizoyítás. Elég agy -re Eξ véges. E ξ ξ = E { { (ξ ξ χ {ξ ξ }} + E (ξ ξχ {ξ >ξ}} = E { (ξ ξ χ {ξ ξ}} + E(ξ ξ 0, ugyais 0 (ξ ξ χ {ξ ξ} ξ és a majorált kovergecia =Eξ Eξ 0 m.m. tétele (4.. Tétel miatt E ( (ξ ξχ {ξ ξ} Állítás. ξ tart ξ-hez majdem mideütt akkor és csak akkor, ha ξ majdem mideütt Cauchy. Bizoyítás. ( : sup ξ k ξ l sup ξ k ξ + sup ξ l ξ, ezért ha, akkor midkett k, l k l valószí séggel tart 0-hoz, így az összeg is, tehát a sorozat Cauchy { m. m. lim ξ (w w / A ( : Legye A = {w : ξ (w em Cauchy}, valamit ξ(w = 0 w A Állítás. ξ L p ξ valamely ξ-re potosa akkor, ha ξ Cauchy L p -be Deíció. ξ sztochasztikusa Cauchy, ha mide pozitív ε-ra P ( ξ ξ m ε,m Állítás. Ha ξ sztochasztikusa Cauchy, akkor létezik olya k részsorozat, melyre ξ k majdem mideütt koverges. Bizoyítás. Legye =, a k-adik tagot pedig a következ képpe kapjuk: k = mi { > k : mide s, t -re P ( ξ t ξ s > k < k}. Ekkor P ( ξ k+ ξ k > k < <, k k k így a Borel-Catelli-lemmából P ( ξ k+ ξ k > k végtele sokszor = 0 és ξ k+ ξ k < valószí séggel. Így az A = { w : ξ k+ ξ k = } ξ (w + ( ξk (w ξ és ξ(w = (w k w / A k= 0 w A választással ξ k ξ majdem mideütt Állítás. ξ akkor és csak akkor sztochasztikusa Cauchy, ha sztochasztikusa koverges. Bizoyítás. Ha ξ sztochasztikusa koverges, akkor P ( ξ ξ m ε P ( ξ ξ ε + P ( ξ m ξ ε, ahol a jobb oldal midkét tagja tart 0-hoz. Megfordítva, ha ξ sztochasztikusa Cauchy, akkor létezik olya részsorozat, hogy ξ k ξ majdem mideütt, így ξ k ξ, P ( ξ ξ ε P ( ξ ξ k ε + P ( ξk ξ ε, ahol szité tart 0-hoz az összeg két tagja. 5
18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható
8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenValószín ségszámítás (jegyzet)
Valószí ségszámítás (jegyzet) Csiszár Vill 9. február 8.. Valószí ségi mez Két bevezet példa: ) Osztozkodási probléma (494, helyes megoldás több, mit évvel kés bb, Pascal, Fermat): Két játékos fej-írás
RészletesebbenKalkulus II., második házi feladat
Uger Tamás Istvá FTDYJ Név: Uger Tamás Istvá Neptu: FTDYJ Web: http://maxwellszehu/~ugert Kalkulus II, második házi feladat pot) Koverges? Abszolút koverges? ) l A feladat teljese yilvávalóa arra kívácsi,
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
RészletesebbenBarczy Mátyás és Pap Gyula
Barczy Mátyás és Pap Gyula mobidiák köyvtár Barczy Mátyás és Pap Gyula mobidiák köyvtár SOROZATSZERKESZTŐ Fazekas Istvá Barczy Mátyás és Pap Gyula Debrecei Egyetem mobidiák köyvtár Debrecei Egyetem Szerzők
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
Részletesebbenmin{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is:
. A szupréum elv. = H R felülr l körlátos H fels korlátai között va legkisebb, azaz A és B a A és K B : a K Ekkor ξ-re: mi{k R K fels korlátja H-ak} } a A : a ξ : ξ fels korlát A legkisebb fels korlát
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
Részletesebben2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
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
RészletesebbenKomputer statisztika
Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................
Részletesebben3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
RészletesebbenAutoregressziós folyamatok
Autoregressziós folyamatok.. Példa.. Az ε(t) folyamat függetle érték zaj, ha a várható értéke és ε(t)-k függetle, azoos eloszlású valószí ségi változók.. Az ε(t) folyamat fehér zaj, ha Eε(t) =, és ε(t)-k
RészletesebbenAndai Attila: november 13.
Adai Attila: Aalízis éháy fejezete bizoyításokkal Óravázlat 006. ovember 13. Ebbe az óravázlatba az órá elhagzott defiíciókat és a bizoyított tételeket gyűjtöttem össze. i Elemi sorok és függvéyek 1 1.
RészletesebbenÁringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév
Árigadozások elıadás Kvatitatív pézügyek szakiráy 01/13. félév Heti óra elıadás + óra gyakorlat Elıadás: fıleg modellek, elemzési módszerek Gyakorlat: R programmal, alkalmazások Számokérés 50%: beadadó
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli tételek. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis. Írásbeli tételek Készítette: Szátó Ádám 20. Tavaszi félév . Archimedes tétele. Tétel: a > 0 és b R : N : b < a. Bizoyítás: Idirekt úto tegyük fel, hogy
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenWiener-folyamatok definiciója. A funkcionális centrális határeloszlástétel. Norbert Wienerre, a második pedig egy Brown nevű XIX. században élt angol
Wieer-folyamatok defiiciója. A fukcioális cetrális határeloszlástétel. A valószíűségszámítás egyik agyo fotos fogalma a Wieer-folyamat, amelyet Browmozgásak is hívak. Az első elevezés e fogalom első matematikailag
Részletesebbenvéletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
BEVEZETÉS A statisztika teljese laikusokak: agy mukával gyűjtött adatok vizsgálata, abból következtetések levoása ( statistical iferece ) (Egy kicsit sok hűhó semmiért azaz Much ado about othig.) Mi is
RészletesebbenA peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
Részletesebben3.1. A Poisson-eloszlás
Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
Részletesebben1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb
RészletesebbenPályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
RészletesebbenFeladatok megoldása. Diszkrét matematika I. Beadandó feladatok. Bujtás Ferenc (CZU7KZ) December 14, feladat: (A B A A \ C = B)
Diszkrét matematika I. Beadadó feladatok Bujtás Ferec (CZU7KZ) December 14 014 Feladatok megoldása 1..1-6. feladat: (A B A A \ C = B) A B A = A \ C = B igazolása: A B A = B \A = Ø = B = A B (Mivel a B-ek
RészletesebbenNevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
RészletesebbenValószínűségszámítás II. feladatsor
Valószíűségszámítás II. feladatsor 214. szeptember 8. Tartalomjegyzék 1. Kovolúció 1 1.1. Poisso és Gamma eloszlások kapcsolata............................... 2 2. Geerátorfüggvéyek 3 2.1. Véletle tagszámú
RészletesebbenI. rész. Valós számok
I. rész Valós számok Feladatok 3 4 Teljes idukció Igazolja a teljes idukcióval a következ állítások helyességét!.. k 2 = k= ( + )(2 + ). 6.2. 4 + 2 7 + + (3 + ) = ( + ) 2..3. a) b) ( + ) = +. k ( ) =
RészletesebbenValószín ségszámítás 1. Csiszár Vill
Valószí ségszámítás 1. Csiszár Vill Tartalomjegyzék 1. Valószí ségi mez 1 1.1. Klasszikus valószí ségi mez................................ 2 1.2. Geometriai valószí ségi mez................................
RészletesebbenSorozatok október 15. Határozza meg a következ sorozatok határértékeit!
Sorozatok 20. október 5. Határozza meg a következ sorozatok határértékeit!. Zh feladat:vizsgálja meg mootoitás és korlátosság szerit az alábbi sorozatot! a + ha ; 2; 5 Mootoitás eldötéséhez vizsgáljuk
Részletesebben2. gyakorlat - Hatványsorok és Taylor-sorok
. gyakorlat - Hatváysorok és Taylor-sorok 9. március 3.. Adjuk meg az itt szereplő sorok kovergeciasugarát és kovergeciaitervallumát! + a = + Azaz a hatváysor kovergeciasugara. Az biztos, hogy a (-,) yílt
RészletesebbenANALÍZIS 1. I. VIZSGA január 11. Mérnök informatikus szak α-variáns Munkaidő: 90 perc., vagyis z 2 1p = i 1p = ( cos 3π 2 2
ANALÍZIS. I. VIZSGA. jauár. Mérök iformatikus szak α-variás Mukaidő: perc. feladat pot) Adja meg az z 4 i)z i egyelet összes megoldását. i + i) + 4i + 4 i +, vagyis z p i p cos 3 + i si ) 3 vagy z p i
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
Részletesebbenmegoldásvázlatok Kalkulus gyakorlat Fizika BSc I/1, 1. feladatsor 1. Rajzoljuk le a számegyenesen az alábbi halmazokat!
megoldásvázlatok Fizika BSc I/,. feladatsor. Rajzoljuk le a számegyeese az alábbi halmazokat! a { R < 5}, b { R 4}, c { Z 4}, d { Q < 4 6}, e { N 3 }.. Igazak-e az alábbi állítások? Adjuk meg az állítások
RészletesebbenInnen. 2. Az. s n = 1 + q + q 2 + + q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha
. Végtele sorok. Bevezetés és defiíciók Bevezetéskét próbáljuk meg az 4... végtele összegek értelmet adi. Mivel végtele sokszor em tuduk összeadi, emiatt csak az első tagot adjuk össze: legye s = 4 8 =,
RészletesebbenAnalízis feladatgy jtemény II.
Oktatási segédayag a Programtervez matematikus szak Aalízis I. tatárgyához (003004. taév szi félév) Aalízis feladatgy jteméy II. Összeállította Szili László 003 Tartalomjegyzék I. Feladatok 3. Valós sorozatok.......................................
RészletesebbenMetrikus terek. továbbra is.
Metrius tere továbbra is. Defiíció: Legye X egy halmaz, d : X X R egy függvéy. Azt modju, hogy d metria (távolság), ha.. 3. 4. d d d d x, x 0, x, y 0 x y, x, y dy, x, x, z dx, y dy, z. Az X halmazt a d
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis 1. Írásbeli beugró kérdések Készítette: Szátó Ádám 2011. Tavaszi félév 1. Írja le a Dedekid-axiómát! Legyeek A R, B R. Ekkor ha a A és b B : a b, akkor
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
Részletesebben1. elıadás: Bevezetés. Számonkérés. Irodalom. Valószínőségszámítás helye a tudományok között. Cél
1 Valószíőségszámítás 1 elıadás alk.mat és elemzı szakosokak 2013/2014 1. félév Zempléi Adrás zemplei@ludes.elte.hu http://www.cs.elte.hu/~zemplei/ 1. elıadás: Bevezetés Irodalom, követelméyek A félév
RészletesebbenLajkó Károly Kalkulus I. példatár mobidiák könyvtár
Lajkó Károly Kalkulus I. példatár mobidiák köyvtár Lajkó Károly Kalkulus I. példatár mobidiák köyvtár SOROZATSZERKESZTŐ Fazekas Istvá Lajkó Károly Kalkulus I. példatár programozó és programtervező matematikus
RészletesebbenSzámsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.
Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el
RészletesebbenKevei Péter. 2013. november 22.
Valószíűségelmélet feladatok Kevei Péter 2013. ovember 22. 1 Tartalomjegyzék 1. Mérhetőség 4 2. 0 1 törvéyek 12 3. Vektorváltozók 18 4. Véletle változók traszformáltjai 28 5. Várható érték 33 6. Karakterisztikus
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
RészletesebbenIntegrálszámítás (Gyakorló feladatok)
Itegrálszámítás Gyakorló feladatok Programtervez iformatikus szakos hallgatókak az Aalízis. cím tárgyhoz Összeállította Szili László 8. február Tartalomjegyzék I. Feladatok 5. Primitív függvéyek határozatla
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
Részletesebben(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1
. Bevezető. Oldja meg az alábbi egyeleteket: (a cos x + si x + cos x si x = (b π si x = x π 4 x 3π 4 cos x (c cos x + si x = si x (d x 6 3x = 0 (e x + x = x (f x + 5 + x = 8 (g x + + x + + x + x + =..
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
RészletesebbenValószínűségszámítás alapjai szemléletesen
### walszam07-jav-80.doc, ### 08.0.3., :00' http://math.ui-pao.hu/~szalkai/walszam07.pdf Valószíűségszámítás alapjai szemléletese /Kézirat, 08-0-3. / dr.szalkai Istvá Pao Egyetem, Veszprém Matematika Taszék
RészletesebbenA függvénysorozatok olyanok, mint a valós számsorozatok, csak éppen a tagjai nem valós számok,
l.ch FÜGGVÉNYSOROZATOK, FÜGGVÉNYSOROK, HATVÁNYSOROK Itt egy függvéysorozat: f( A függvéysorozatok olyaok, mit a valós számsorozatok, csak éppe a tagjai em valós számok, 5 haem függvéyek, f ( ; f ( ; f
RészletesebbenValószín ségszámítás 2 gyakorlat Alkalmazott matematikus szakirány
Valószí ségszámítás gyakorlat Alkalmazott matematikus szakiráy Játékszabályok Az óráko részt kell vei, maximum 3-szor lehet hiáyozi. Aki többször hiáyzik, em ka gyakjegyet. 00 + x otot lehet szerezi a
RészletesebbenNUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.
NUMERIKUS SOROK II. Ebbe a részbe kizárólag a kovergecia vizsgálatával foglalkozuk. SZÜKSÉGES FELTÉTEL Ha pozitív (vagy em egatív) tagú umerikus sor, akkor a kovergecia szükséges feltétele, hogy lim a
RészletesebbenANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA
ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA Szerkesztette: Balogh Tamás 202. július 2. Ha hibát találsz, kérlek jelezd a ifo@baloghtamas.hu e-mail címe! Ez a Mű a Creative Commos Nevezd meg! - Ne add
RészletesebbenGyakorló feladatok II.
Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,
RészletesebbenV. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
Részletesebbenfogalmazva a nagy számok törvénye azt mondja ki, hogy ha vesszük n független és
A Valószíűségszámítás II. előadássorozat egyedik témája. A NAGY SZÁMOK TÖRVÉNYE Eze előadás témája a agy számok erős és gyege törvéye. Kissé leegyszerűsítve fogalmazva a agy számok törvéye azt modja ki,
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
Részletesebbenhogy alkalmas konstrukcióval megadható-e olyan sztochasztikus folyamat, melynek ezek
Wieer folyamatok A következő két feladat azt mutatja, hogy az az eseméy, hogy egy sztochasztikus folyamat folytoos trajektóriájú-e vagy sem em határozható meg a folyamat véges dimeziós eloszlásai segítségével,
RészletesebbenKalkulus gyakorlat - Megoldásvázlatok
Kalkulus gyakorlat - Megoldásvázlatok Fizika BSc I/. gyakorlat. Tétel Newto Leibiz. Ha f folytoos az a, b] itervallumo és F primitív függvéye f-ek, akkor b a f F b F a.. Számítsuk ki az alábbi racioális
Részletesebbenhidrodinamikai határátmenet
Véletle közegű kizárási folyamat, hidrodiamikai határátmeet Diplomamuka Írta Horváth Aja Alkalmazott matematikus szak Témavezető: Nagy Katali Egyetemi doces Differeciálegyeletek Taszék Budapesti Műszaki
RészletesebbenA tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Legye N, x k R k =,, és tegyük fel, hogy vagy x k 0 k =,, vagy pedig x k 0 k =,, Ekkor + x k + x k Speciális Beroulli-egyelőtleség Ha N és
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
RészletesebbenSorok és hatványsorok vizsgálata Abel nyomán
Sorok és hatváysorok vizsgálata Abel yomá Szakdolgozat Készítette: Vákovics Mária Matematika BSc, Matematikai elemz szakiráy Témavezet : Pfeil Tamás adjuktus Alkalmazott Aalízis és Számításmatematikai
RészletesebbenKalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8
Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,
RészletesebbenIntegrálás sokaságokon
Itegrálás sokaságoko I. Riema-itegrál R -e Jorda-mérték haszálható ehhez: A R eseté c(a)=0, ha 0 eseté létezek C 1,,C s kockák hogy A C1 Cs és s i 1 c C i defiíció: D ullmértékű R itegrálási tartomáy,
RészletesebbenZavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.
Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet végző em tudja megkülöbözteti az egyes faktorokat. Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet
RészletesebbenIV. OPERTOROK HILBERT-TEREKBEN
. 0 A fukcioálaalízis alaptételei 1 IV. OPERTOROK HILBERT-TEREKBEN Ebbe a fejezetbe H adott Hilbert-teret jelöl, és operátoro H H lieáris leképezést értük. 15. A fukcioálaaĺızis alaptételei A tételeket
RészletesebbenValószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés
Valószí ségszámítás és statisztika gyakorlat Programtervez iformatikus szak, esti képzés.) Egy érmével dobuk. Ha az eredméy fej, akkor még egyszer dobuk, ha írás, akkor még kétszer. a.) Mik leszek a kísérletet
RészletesebbenTartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13
Tartalomjegyzék I Kombiatorika Pemutáció Ismétléses permutáció 8 Variáció 9 Ismétléses variáció Kombiáció Ismétléses kombiáció II Valószíségszámítás M/veletek eseméyek között 6 A valószí/ség fogalma 8
RészletesebbenStatisztika 1. zárthelyi dolgozat március 18.
Statisztika. zárthelyi dolgozat 009. március 8.. Ismeretle m várható értékű, szórású ormális eloszlásból a következő hatelemű mitát kaptuk:, 48 3, 3, 83 0,, 3, 97 a) Számítsuk ki a mitaközepet és a tapasztalati
Részletesebben2. fejezet. Számsorozatok, számsorok
. fejezet Számsorozatok, számsorok .. Számsorozatok és számsorok... Számsorozat megadása, határértéke Írjuk fel képlettel az alábbi sorozatok -dik elemét! mooto, korlátos, illetve koverges-e! Vizsgáljuk
Részletesebben3.4. gyakorlat. Matematika B1X február 1819.
3.4. gyakorlat Matematika B1X 2003. február 1819. 1. A harmadik el adás (II. 17.) 1.1. Számosság Egyel számosságú halmazok. Véges, megszámlálhatóa végtele és kotiuum számosságú halmazok. Hatváyhalmaz számossága
RészletesebbenStatisztika (jegyzet)
Statisztika (jegyzet) Csiszár Vill 009. május 6.. Statisztikai mez A statisztika egyik ága a leíró statisztika. Ekkor a meggyelt adatokat áttekithet formába ábrázoljuk, pl. hisztogrammal (oszlopdiagrammal),
RészletesebbenKomplex számok (el adásvázlat, 2008. február 12.) Maróti Miklós
Komplex számok el adásvázlat, 008. február 1. Maróti Miklós Eek az el adásak a megértéséhez a következ fogalmakat kell tudi: test, test additív és multiplikatív csoportja, valós számok és tulajdoságaik.
RészletesebbenA G miatt (3tagra) Az egyenlőtlenségek két végét továbbvizsgálva, ha mindkét oldalt hatványozzuk:
Kocsis Júlia Egyelőtleségek 1. Feladat: Bizoytsuk be, hogy tetszőleges a, b, c pozitv valósakra a a b b c c (abc) a+b+c. Megoldás: Tekitsük a, b és c számok saját magukkal súlyozott harmoikus és mértai
Részletesebben2. 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
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
RészletesebbenMegjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.
RészletesebbenAlgebra gyakorlat, 3. feladatsor, megoldásvázlatok
Algebra gyakorlat, 3. feladatsor, megoldásvázlatok 1. a) Z(G), mert az egységelem yilvá felcserélhet mide G-beli elemmel. Továbbá Z(G) zárt a szorzásra, mert ha a, b Z(G), akkor tetsz leges g G-re (ab)g
RészletesebbenJátékszabályok. a keresett valószín ség:
Játékszabályok Az óráko részt kell vei, maximum -szor lehet hiáyozi. Aki többször hiáyzik, em kap gyakjegyet. + x potot lehet szerezi a félév sorá: pot:. ZH a félév közepé pot:. ZH a félév végé x pot:
RészletesebbenFELADATOK A KALKULUS C. TÁRGYHOZ
FELADATOK A KALKULUS C. TÁRGYHOZ. HALMAZOK RELÁCIÓK FÜGGVÉNYEK. Bizoyítsuk be a halmaz-műveletek alapazoosságait! 2. Legye adott az X halmaz legye A B C X. Ha A B := (A B) (B A) akkor bizoyítsuk be hogy
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenMatematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
RészletesebbenDiszkrét matematika II., 3. előadás. Komplex számok
1 Diszkrét matematika II., 3. előadás Komplex számok Dr. Takách Géza NyME FMK Iformatikai Itézet takach@if.yme.hu http://if.yme.hu/ takach/ 2007. február 22. Komplex számok Szereték kibővítei a valós számtestet,
RészletesebbenEmpirikus szórásnégyzet
Empirikus égyzet Mi lee hasoló szellembe a becslése a mita alapjá? Empirikus égyzet Mi lee hasoló szellembe a becslése a mita alapjá? Az átlagtól való égyzetes eltérést kée átlagoli... Empirikus égyzet
Részletesebben18. Differenciálszámítás
8. Differeciálszámítás I. Elméleti összefoglaló Függvéy határértéke Defiíció: Az köryezetei az ] ε, ε[ + yílt itervallumok, ahol ε > tetszőleges. Defiíció: Az f függvéyek az véges helye vett határértéke
RészletesebbenValószínűségszámítás
Valószínűségszámítás Pap Gyula Szegedi Tudományegyetem 2010/2011 tanév, II. félév Pap Gyula (SZE) Valószínűségszámítás 2010/2011 tanév, II. félév 1 / 122 Ajánlott irodalom: RÉNYI ALFRÉD Valószínűségszámítás
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenOPERÁTOROK HILBERT-TEREKBEN
OPERÁTOROK HILBERT-TEREKBEN A továbbiakba H adott Hilbert-teret jelöl, és operátoro H H lieáris leképezést értük. K a valós vagy komplex számok halmazát jelöli. 1. A fukcioálaalízis alaptételei A tételeket
RészletesebbenGRUBER TIBOR. ANALÍZIS VIII. Funkcionálanaĺızis
GRUBER TIBOR ANALÍZIS VIII. Fukcioálaaĺızis 3 Tartalom I. BEVEZETÉS 1. Alapvető tudivalók...................... 5 2. Sűrű lieáris alterek..................... 11 II. A FUNKCIONÁLANALÍZIS ALAPTÉTELEI 3.
Részletesebben