Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Elméleti összefoglaló a Valószín ségszámítás kurzushoz"

Átírás

1 Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek a halmaza az eseménytér. Jele:. Deníció. Eseményeknek nevezzük a kísérlet aktuális kimeneteléhez kapcsolódó állításokat. Azt mondjuk, hogy egy esemény bekövetkezik, ha a kísérlet aktuális végrehajtásakor olyan kimenetelt kapunk, melyre ez az állítás igaz. Egy adott kísérlet esetén a hozzá kapcsolódó összes esemény halmazát eseményalgebrának nevezzük. Jele: A. Két nevezetes esemény: Egy eseményt biztos eseménynek nevezük, ha a kísérlet minden lehetséges kimenetele esetén bekövetkezik. Egy eseményt lehetetlen eseménynek nevezük, ha a kísérletnek nincs olyan kimenetele, melyre ez az esemény bekövetkezne. Deníció. Legyen A 1, A 2,... eseményeknek véges vagy végtelen sorozata. Azt mondjuk, hogy ezek az események páronként kizáróak avagy páronként diszjunktak, ha bármely kett t kiválasztva azoknak üres a metszete. A kizáró események közül legfeljebb egy következhet be egyszerre, hiszen nincs olyan kimenetel, melyet két vagy több esemény is tartalmazna. Deníció. Azt mondjuk, hogy a B esemény maga után vonja az A eseményt, ha B A, tehát B minden eleme az A halmaznak is eleme. Ez azt jelenti, hogy ha a B esemény bekövetkezik, akkor az A esemény is feltétlenül bekövetkezik. Deníció. Azt mondjuk, hogy egy P : A [0, 1] függvény valószín ség vagy valószín ségi mérték az eseményalgebrán, ha teljesíti az alábbi két tulajdonságot: A biztos esemény valószín sége P ( = 1. Additivitás: Ha A 1, A 2,... páronként kizáró eseményeknek egy véges vagy végtelen sorozata, akkor az egyesítésük valószín sége P (A 1 A 2 = P (A 1 + P (A 2 + A 1 A 2 A 3 Tehát a valószín ségi mérték egy olyan függvény, mely az eseményekhez 0 és 1 közötti számokat rendel hozzá. Az A eseményhez rendelt P (A értéket úgy nevezzük, hogy az A valószín sége. Deníció. Az (, A, P hármast valószín ségi mez nek hívjuk. A véletlen kísérleteket mindig egy megfelel en konstruált valószín ségi mez vel írjuk le. Az alaphalmaz a kísérlet kimeneteleinek a halmaza (eseménytér, a A eseményalgebra a vizsgált események rendszere, és végül a P függvény mondja meg az egyes események valószín ségét. 1

2 Tétel. A valószín ség általános tulajdonságai: A lehetetlen esemény valószín sége: P ( = 0. A komplementer esemény valószín sége: P (A = 1 P (A. Kivonási szabály: tetsz leges A és B esemény mellett P (A\B = P (A P (A B. Speciálisan, ha B maga után vonja az A eseményt, akkor P (A\B = P (A P (B. Monotonitás: ha B maga után vonja az A eseményt, akkor P (B P (A. A Komplementer esemény A B Kivonási szabály A B Monotonitás Szubadditivitás: Ha A 1, A 2,... tetsz leges eseményeknek egy véges vagy végtelen sorozata, akkor P (A 1 A 2 P (A 1 + P (A 2 + Két esemény uniójának a valószín sége: tetsz leges A és B esemény mellett P (A B = P (A + P (B P (A B. Három esemény uniójának a valószín sége: tetsz leges A, B és C esemény mellett P (A B C = P (A+P (B+P (C P (A B P (A C P (B C+P (A B C A 1 A 3 A B A 2 A 4 Szubadditivitás A B Két esemény uniója C Három esemény uniója Poincaré-formula avagy szitaformula: tetsz leges A 1,..., A n események mellett P (A 1 A n = n ( 1 k+1 P (A i1 A ik k=1 1 i 1 < <i k n különböz egészek 2

3 A Poincaré-formula részletesebben: P (A 1 A n = P (A P (A n ketteses metszetek valószín sége + hármas metszetek valószín sége négyes metszetek valószín sége. ± P (A 1 A n Diszkrét és geometriai valószín ségi mez k Tétel. Egy n elem halmaz elemeit n! módon lehet sorbaállítani. Ezeket a sorbaállításokat nevezzük a halmaz permutációinak. Ha egy n elem halmazból visszatevéssel kiválasztunk k elemet, akkor a kiválasztás sorrendejét is gyelembe véve n k különböz kiválasztást kaphatunk. Ezeket a kiválasztásokat nevezzük variációknak. Ha egy n elem halmazból visszatevés ( nélkül kiválasztunk k elemet, akkor a kiválasztás n sorrendejét gyelmen kívül hagyva k különböz kiválasztást kaphatunk. Ezeket a kiválasztásokat nevezzük kombinációknak. Deníció. Azt mondjuk, hogy egy (, A, P valószín ségi mez diszkrét valószín ségi mez, ha = {ω 1, ω 2,... }, tehát a kísérlet lehetséges kimenetelei egy véges vagy végtelen sorozatot alkotnak. Deníció. Azt mondjuk, hogy egy (, A, P valószín ségi mez klasszikus valószín ségi mez, ha az eseménytérnek csak véges sok eleme van van, és minden kimenetelnek azonos a valószín sége. Tétel. Klasszikus valószín ségi mez n egy tetsz leges A esemény valószín sége P (A = A = kedvez kimenetelek száma összes kimenetel száma Deníció. Azt mondjuk, hogy egy (, A, P valószín ségi mez geometriai valószín ségi mez, ha rendelkezik az alábbi tulajdonságokkal: Az eseménytér egy olyan geometriai alakzat, melynek a mértéke: 0 < µ( <. Egyenletességi hipotézis: Az események valószín sége egyenesen arányos az események mértékével. Tehát, minden A eseményre P (A = µ(a µ( = kedvez hosszúság/terület/térfogat összes hosszúság/terület/térfogat. 3

4 Feltételes valószín ség és események függetlensége Deníció. Tegyük fel, hogy P (B > 0. Ekkor az A eseménynek a B eseményre vett feltételes valószín sége P (A B = P (A B/P (B. A feltételes valószín ség megmutatja, hogy mennyi az A esemény valószín sége, ha tudjuk, hogy a B esemény bekövetkezik. Tétel. Legyen B pozitív valószín ség esemény. Ekkor a B eseményre vett feltételes valószín ség valószín ségi mérték. Ebb l következik, hogy a feltételes valószín ségre teljesülnek a valószín ség általános tulajdonságai. Tétel (Láncszabály. Legyen A 1,..., A n olyan esemény, melyre P (A 1 A n > 0. Ekkor P ( A 1 A n = P (A1 P ( A 2 A 1 P ( A3 A 1 A 2 P ( An A 1 A n 1. Tétel (Bayes-formula. Legyen A és B pozitív valószín ségi esemény. Ekkor P (B A = P (A BP (B P (A Deníció. Azt mondjuk, hogy a B 1,..., B n események teljes eseményrendszert alkotnak, ha teljesítik az alábbi tulajdonságokat: páronként kizáróak, tehát tetsz leges i j esetén B i B j = ; együttesen lefedik az eseményteret, tehát B 1 B n = ; mindegyik eseménynek pozitív a valószín sége. Tétel (Teljes valószín ség tétele. Legyen B 1,..., B n teljes eseményrendszer, és tekintsünk egy tetsz leges A eseményt. Ekkor n P (A = P (A B i P (B i = P (A B 1 P (B P (A B n P (B n. i=1 Deníció. Legyen A és B két tetsz leges esemény. Azt mondjuk, hogy a két esemény független egymástól, ha P (A B = P (AP (B. Tétel (A függetlenség ekvivalens deníciói. Ha A és B pozitív valószín ség események, akkor az alábbiak ekvivalensek: A és B független egymástól. P (A B = P (A. P (B A = P (B. Deníció. Legyen A 1, A 2,... eseményeknek egy véges vagy végtelen sorozata. Azt mondjuk, hogy ezek az események (teljesen függetlenek, ha közülük tetsz leges sok és különböz A i1,..., A in eseményt kiválasztva P (A i1 A in = P (A i1 P (A in.. 4

5 Valószín ségi változók Deníció. Egy ξ valószín ségi változó diszkrét, ha az értékkészlete egy véges vagy végtelen sorozat: R ξ = {x 1, x 2,... }. Egy ξ diszkrét valószín ségi változó eloszlása vagy valószín ségeloszlása az értékek valószín ségei: p xk = P (ξ = x k, x k R ξ. Egy diszkrét eloszlás várható értéke: E(ξ = x R ξ xp (ξ = x = x 1 P (ξ = x 1 + x 2 P (ξ = x 2 + Tétel (A valószín ségeloszlások tulajdonságai. Egy p 0, p 1,... sorozatot pontosan akkor egy valószín ségi változó eloszlása, ha teljesül az alábbi két feltétel: a sorozat elemei nemnegatívak, tehát p n 0 minden n esetén; a sorozat elemeinek az összege 1, tehát p 0 + p 1 + = 1. Deníció. Egy ξ valószín ségi változó folytonos eloszlású, ha létezik olyan f ξ : R R függvény, hogy tetsz leges a b valós számok esetén P (a ξ b = b a f ξ (x dx. Ekkor az f ξ függvényt a ξ változó s r ségfüggvényének nevezzük, és a változó várható értéke E(ξ = xf ξ (x dx. Tétel (A s r ségfüggvények tulajdonságai. Egy f : R R függvény pontosan akkor egy ξ folytonos valószín ségi változó s r ségfüggvénye, ha teljesíti az alábbi két feltételt: f(x 0 minden x valós szám esetén; f(xdx = 1, tehát a függvény görbéje alatti teljes terület 1. Deníció. Legyen ξ olyan valószín ségi változó, melynek véges a várható értéke. Ekkor a ξ változó varianciája vagy szórásnégyzete ( [ξ ] Var(ξ = D 2 2 (ξ = E E(ξ A változó szórása a variancia négyzetgyöke: D(ξ = Var(ξ. A szórás azt mutatja meg, hogy mennyi a változónak a várható értékt l való átlagos eltérése. Az E(ξ 2 várható értéket a ξ második momentumának nevezzük. Tétel (A variancia meghatározása. Ha ξ olyan változó, melynek véges a várható értéke, akkor Var(ξ = E(ξ 2 (E(ξ 2. 5

6 Tétel. Legyen ξ diszkrét vagy folytonos valószín ségi változó, és legyen h : R R egy tetsz leges függvény. Ekkor a h(ξ transzformált változó várható értéke az alábbi módon határozható meg: Ha ξ diszkrét, akkor E ( h(ξ = xp (ξ = x = h(x 1 P (ξ = x 1 + h(x 2 P (ξ = x 2 + x R ξ Például h(x = x 2 esetén E(ξ 2 = x R ξ x 2 P (ξ = x. Ha ξ folytonos, és f ξ a s r ségfüggvénye, akkor E ( h(ξ = h(xf ξ (x dx, Például h(x = x 2 esetén E(ξ 2 = x2 f ξ (xdx. Deníció. Egy ξ valószín ségi változó eloszlásfüggvénye egy F ξ : R [0, 1] függvény, mely a következ formulával van deniálva: F ξ (t = P (ξ < t, t R. Tetsz leges t valós szám esetén az F ξ (t érték azt mutatja meg, hogy a ξ változó mekkora valószín séggel esik a a számegyenesen a t-t l balra, tehát a (, t intervallumba. Tétel (Az eloszlásfüggvények általános tulajdonságai. Egy F : R [0, 1] függvény pontosan akkor eloszlásfüggvény, ha teljesülnek az alábbi tulajdonságok: F monoton növekv ; lim t F (t = 0 és lim t F (t = 1; F mindenhol balról folytonos. Tétel. Legyen ξ tetsz leges valószín ségi változó, és legyen F ξ az eloszlásfüggvénye. Tetsz leges a < b + számok esetén P ( a ξ < b = F ξ (b F ξ (a. Tetsz leges a valós szám esetén az F ξ függvény pontosan akkorát ugrik az a pontban, mint amekkora a P (ξ = a valószín ség. A várható érték, a szórás és a kovariancia tulajdonságai Deníció. Legyen ξ és η olyan valószín ségi változó, melynek véges a szórása. Ekkor a két változó kovarianciája: ( [ξ ][ ] Cov(ξ, η = E E(ξ η E(η A két változó korrelációja avagy korrelációs együtthatója: corr(ξ, η = Cov(ξ, η D(ξD(η Ha corr(ξ, η = 0, akkor azt mondjuk, hogy a két változó korrelálatlan. 6

7 Tétel (A várható érték és a szórás tulajdonságai. Legyen ξ tetsz leges valószín ségi változó, és legyen a valós szám. Konstans várható értéke: Ha P (ξ = a = 1, akkor E(ξ = a. Egy ξ valószín ségi változónak pontosan akkor 0 a szórása, ha a változó konstans, tehát P (ξ = a = 1 valamilyen a valós számra. Ekkor a = E(ξ. Konstansszoros: E(aξ = ae(ξ és D(aξ = a D(ξ. Tétel. Legyen ξ 1,..., ξ m, η tetsz leges valószín ségi változó, és tekintsünk a 1,..., a m, b valós számokat. Ekkor teljesülnek az alábbi azonosságok. A változók összegének a várható értéke: E ( a 1 ξ a m ξ m = a1 E(ξ a m E(ξ m. A változók összegének a varianciája: ha ξ 1,..., ξ m független, akkor D 2( a 1 ξ a m ξ m = a 2 1 D 2 (ξ a 2 md 2 (ξ m. Két változó összegének a varianciája a nem független esetben: D 2( aξ + bη = a 2 D 2 (ξ + b 2 D 2 (η + 2abD(ξD(ηcorr(ξ, η. Tétel (A kovariancia és a korreláció fontosabb tulajdonságai. Legyen ξ és η olyan valószín ségi változó, melynek véges a szórása. A kovariancia és a korreláció szimmetrikus a két változóban, tehát Cov(ξ, η = Cov(η, ξ és corr(ξ, η = corr(η, ξ. Egy változónak az önmagával vett kovarianciája: Cov(ξ, ξ = Var(ξ. A kovariancia az alábbi formulával határozható meg kényelmesen: Cov(ξ, η = E(ξη E(ξE(η A korrelációs együttható értéke mindig a [ 1, 1] intervallumba esik. Ha a ξ és az η változó független, akkor ez a két változó korrelálatlan is, tehát corr(ξ, η = 0. Ennek az állításnak a megfordítása nem igaz, tehát a korrelálatlanságból általában még nem következik a függetlenség. 7

8 A valószín ségszámítás fontosabb tételei Deníció. A µ = 0 várható érték és σ = 1 szórású normális eloszlást standard normális eloszlásnak nevezzük. A standard normális eloszlás s r ségfüggvénye és eloszlásfüggvénye: ϕ(x = 1 t e x2 /2, Φ(t = ϕ(x dx. 2π Tétel. Legyen η normális eloszlású valószín ségi változó µ várható értékkel és σ szórással. Ekkor teljesülnek a következ tulajdonságok: (Standardizálás. Az (η µ/σ változó standard normális eloszlást követ. (2σ-szabály. P ( µ 2σ η µ + 2σ 95% Tétel (de MoivreLaplace-tétel. Legyen ξ binomiális eloszlású változó n és p paraméterrel, továbbá legyen η normális eloszlású változó µ = np és σ = np(1 p paraméterrel. Ekkor tetsz leges a és b számok esetén P ( a ξ b P ( a η b, és a közelítés annál pontosabb, minál nagyobb az n paraméter értéke. Tétel (Centrális határeloszlás-tétel (CHT. Legyen ξ 1,..., ξ n független és azonos eloszlású változó véges szórással, és legyen η normális eloszlású változó µ = ne(ξ 1 és σ = nd(ξ 1 paraméterrel. Ekkor tetsz leges a < b valós számok esetén P ( a ξ ξ n b P ( a η b, és a közelítés annál pontosabb, minél nagyobb az n értéke. Tétel (A nagy számok Kolmogorov-féle törvénye. Legyen ξ 1, ξ 2,... független és azonos eloszlású valószín ségi változó véges várható értékkel. Ekkor ξ ξ n n E(ξ 1, n, tehát a változók számtani átlaga konvergál a közös várható értékhez. Tétel (A nagy számok Borel-féle törvénye. Legyen A egy tetsz leges esemény, és jelölje k n (A az A bekövetkezési gyakoriságát n végrehajtás után. Ekkor k n (A/n P (A amint n, tehát a relatív gyakoriság konvergál az esemény valószín ségéhez. 8

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Elméleti 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

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

Gazdasági matematika II. tanmenet

Gazdasági matematika II. tanmenet Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):

Részletesebben

Eseményalgebra. 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. 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.

Részletesebben

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet Biostatisztika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2018/19 tavaszi félév Bevezetés Tudnivalók, követelmények Tudnivalók, követelmények Félév tematikája: Értékelés: Valószín ségszámítás

Részletesebben

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

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O 1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.

Részletesebben

Valószín ségszámítás és statisztika

Valószín 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

Részletesebben

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

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút 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

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi 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 :

Részletesebben

Valószín ségszámítás és statisztika

Valószín 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

Részletesebben

[Biomatematika 2] Orvosi biometria

[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.

Részletesebben

Valószínűségszámítás

Valószínűségszámítás 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

Részletesebben

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

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

1. Kombinatorikai bevezetés

1. Kombinatorikai bevezetés 1. Kombinatorikai bevezetés 1.1. Permutációk Adott n különböző elem ismétlés nélküli permutációján az elemek egy meghatározott sorrendjét értjük. Az n különböző elem összes permutációinak számát P n -nel

Részletesebben

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA ELŐADÁS BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

Matematika III. Nagy Károly 2011

Matematika III. Nagy Károly 2011 Matematika III előadások összefoglalója (Levelezős hallgatók számára) Nagy Károly 20 . Kombinatorika.. Definíció. Adott n darab egymástól különböző elem. Ezeknek egy meghatározott sorrendjét az n elem

Részletesebben

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

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

Részletesebben

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

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés

Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés Elek Péter 1. Valószínűségi változók és eloszlások 1.1. Egyváltozós eset Ismétlés: valószínűség fogalma Valószínűségekre vonatkozó axiómák

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben 1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

A valószínűségszámítás elemei

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

Részletesebben

1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.

1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be. IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. 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 +

Részletesebben

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

Valószínűségszámítás

Valószínűségszámítás European Virtual Laboratory of Mathematics Project No. 2006 - SK/06/B/F/PP - 177436 Európai Virtuális Matematikai Laboratórium Árvai- Homolya Szilvia Valószínűségszámítás EVML e-könyvek Miskolc 2008 Sorozat

Részletesebben

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

Valószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019. Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen

Részletesebben

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

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy Valószínűségszámítás. zárthelyi dolgozat 009. október 5.. Egy osztályba 3-an járnak. Minden fizikaórán a a többi órától függetlenül a tanár kisorsol egy felelőt, véletlenszerűen, egyenletesen, azaz mindig

Részletesebben

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5 Valószínűségszámítás Földtudomány BSc szak, 2016/2017. őszi félév Backhausz Ágnes agnes@cs.elte.hu Tartalomjegyzék 1. Bevezetés 2 2. A Kolmogorov-féle valószínűségi mező 3 2.1. Klasszikus valószínűségi

Részletesebben

Véletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10.

Véletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10. 2. rész 2012. december 10. Határeloszlás tételek a bolyongás funkcionáljaira 1 A bolygó pont helyzete: EX i = 0, D 2 X i = EX 2 = 1 miatt i ES n = 0, D 2 S n = n, és a centrális határeloszlás tétel (CHT)

Részletesebben

Gazdasági matematika II. Tantárgyi útmutató

Gazdasági matematika II. Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi 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

Részletesebben

Villamosmérnök A4 11. hét Kétdimenziós normális eloszlás, cht - Megoldások

Villamosmérnök A4 11. hét Kétdimenziós normális eloszlás, cht - Megoldások Villamosmérnök A 11. hét Kétdimenziós normális eloszlás, cht - Megoldások Kétdimenziós normális összefoglalás Egy kétdimenziós X, Y valószínűségi változó kovariancia mátrixa: VarX CovX, Y CovX, Y VarY

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.

Részletesebben

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. : A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik

Mérhetőség, 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

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

Részletesebben

Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek

Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

(Independence, dependence, random variables)

(Independence, dependence, random variables) Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,

Részletesebben

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 4. MA3-4 modul A valószínűségi változó és jellemzői SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

Nemparaméteres próbák

Nemparaméteres próbák Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu

Részletesebben

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

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

Valószín ségszámítás közgazdászoknak

Valószín ségszámítás közgazdászoknak Valószín ségszámítás közgazdászoknak Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2015. szi félév Bevezetés Tudnivalók a kurzusról Tudnivalók a kurzusról Az el adás és a gyakorlat külön kreditelt,

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

Barczy Mátyás és Pap Gyula

Barczy Mátyás és Pap Gyula Barczy Mátyás és Pap Gyula mobidiák könyvtár Barczy Mátyás és Pap Gyula mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas Iván Barczy Mátyás és Pap Gyula Debreceni Egyetem Oktatási segédanyag mobidiák könyvtár

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31 Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

Számsorok. 1. Definíció. Legyen adott valós számoknak egy (a n ) n=1 = (a 1, a 2,..., a n,...) végtelen sorozata. Az. a n

Számsorok. 1. Definíció. Legyen adott valós számoknak egy (a n ) n=1 = (a 1, a 2,..., a n,...) végtelen sorozata. Az. a n Számsorok 1. Definíció. Legyen adott valós számoknak egy (a n ) = (a 1, a 2,..., a n,...) végtelen sorozata. Az végtelen összeget végtelen számsornak (sornak) nevezzük. Az a n számot a sor n-edik tagjának

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Valószín ségszámítás közgazdászoknak

Valószín ségszámítás közgazdászoknak Valószín ségszámítás közgazdászoknak Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2018/19 szi félév Bevezetés Tudnivalók a kurzusról Tudnivalók a kurzusról Az el adás és a gyakorlat külön kreditelt,

Részletesebben

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

Részletesebben

Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József

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

Részletesebben

matematikai statisztika

matematikai statisztika Valószínűségszámítás és matematikai statisztika 2003. május 23. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................

Részletesebben

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Matematikai alapok és valószínőségszámítás. Normál eloszlás Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak

Részletesebben

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

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

Részletesebben

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

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

Részletesebben

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget

Részletesebben

HALMAZELMÉLET feladatsor 1.

HALMAZELMÉLET feladatsor 1. HALMAZELMÉLET feladatsor 1. Egy (H,, ) algebrai struktúra háló, ha (H, ) és (H, ) kommutatív félcsoport, és teljesül az ún. elnyelési tulajdonság: A, B H: A (A B) = A, A (A B) = A. A (H,, ) háló korlátos,

Részletesebben

Centrális határeloszlás-tétel

Centrális határeloszlás-tétel 13. fejezet Centrális határeloszlás-tétel A valószínűségszámítás legfontosabb állításai azok, amelyek független valószínűségi változók normalizált összegeire vonatkoznak. A legfontosabb ilyen tételek a

Részletesebben

matematikai statisztika gyakorlatok feladatok és megoldások

matematikai statisztika gyakorlatok feladatok és megoldások Valószínűségszámítás és matematikai statisztika gyakorlatok feladatok és megoldások. május 6. ii Tartalomjegyzék. Valószínűségszámítási feladatok.. Függetlenség, feltételes valószínűség.......................

Részletesebben

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

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

Részletesebben

Matematikai statisztika szorgalmi feladatok

Matematikai statisztika szorgalmi feladatok Matematikai statisztika szorgalmi feladatok 1. Feltételes várható érték és konvolúció 1. Legyen X és Y független és azonos eloszlású valószín ségi változó véges második momentummal. Mutassuk meg, hogy

Részletesebben

Területi sor Kárpát medence Magyarország Nyugat-Európa

Területi sor Kárpát medence Magyarország Nyugat-Európa Területi sor Terület megnevezése Magyarok száma 2011.01.01. Kárpát medence 13 820 000 Magyarország 10 600 00 Nyugat-Európa 1 340 000 HIV prevalence (%) in adults in Africa, 2005 2.5 Daganatos halálozás

Részletesebben

Gyakorló feladatok a Valószín ségelmélet kurzushoz

Gyakorló feladatok a Valószín ségelmélet kurzushoz Gyakorló feladatok a Valószín ségelmélet kurzushoz 1 Mértékelméleti ismétlés 2 2 Generált σ-algebrák, függetlenség 3 3 A Kolmogorov 01 törvény és a BorelCantelli-lemmák 5 4 Folytonos eloszlások konvolúciója

Részletesebben

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

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 12 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Emelt

Részletesebben

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

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Valószín ségelmélet házi feladatok

Valószín ségelmélet házi feladatok Valószín ségelmélet házi feladatok Minden héten 3-4 házi feladatot adok ki. A megoldásokat a következ órán kell beadni, és kés bb már nem lehet pótolni. Csak az mehet vizsgázni, aki a 13 hét során kiadott

Részletesebben

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,

Részletesebben

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008 Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi

Részletesebben

Matematika alapjai; Feladatok

Matematika 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 \

Részletesebben

Matematikai statisztika Tómács Tibor

Matematikai statisztika Tómács Tibor Matematikai statisztika Tómács Tibor Matematikai statisztika Tómács Tibor Publication date 2011 Szerzői jog 2011 Hallgatói Információs Központ Copyright 2011, Educatio Kht., Hallgatói Információs Központ

Részletesebben

Metrikus terek, többváltozós függvények

Metrikus terek, többváltozós függvények Metrikus terek, többváltozós függvények 2003.10.15 Készítette: Dr. Toledo Rodolfo és Dr. Blahota István 1. Metrikus terek, metrika tulajdonságai 1.1. A valós, komplex, racionális, természetes és egész

Részletesebben

Bevezetés. Valószínűségszámítás 2 előadás III. alk. matematikus szak. Irodalom. Egyéb info., számonkérés. Cél. Alapfogalmak (ismétlés)

Bevezetés. Valószínűségszámítás 2 előadás III. alk. matematikus szak. Irodalom. Egyéb info., számonkérés. Cél. Alapfogalmak (ismétlés) Valószínűségszámítás 2 előaás III. alk. matematikus szak 2016/2017 1. félév Zempléni Anrás Bevezetés Iroalom, követelmények A félév célja Alapfogalmak mértékelméleti alapon Kapcsolóás a val.szám. 1-hez

Részletesebben

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Tantárgy neve Alkalmazott matematika II. Tantárgy kódja MT003 Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Számonkérés módja gyakorlati jegy Előfeltétel (tantárgyi kód) MT002 Tantárgyfelelős

Részletesebben

3. Egy ξ valószínűségi változó eloszlásfüggvénye melyik képlettel van definiálva?

3. Egy ξ valószínűségi változó eloszlásfüggvénye melyik képlettel van definiálva? . z és események függetlensége melyik összefüggéssel van definiálva? P () + P () = P ( ) = P ()P () = P ( ) = P () P () 2. z alábbi összefüggések közül melyek igazak, melyek nem igazak tetszőleges és eseményeke?

Részletesebben

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27 Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek

Részletesebben

Kísérlettervezés alapfogalmak

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

Részletesebben

Kísérlettervezés alapfogalmak

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

Részletesebben

Valószínűségszámítás és statisztika a fizikában február 16.

Valószínűségszámítás és statisztika a fizikában február 16. számítás és statisztika a fizikában 2018. február 16. Technikai információk Palla Gergely / pallag@hal.elte.hu / ELTE TTK Biológiai Fizika Tanszék, Északi Tömb, 3.90. szoba Fogadó óra: hétfő, 16-18. Az

Részletesebben