Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31
|
|
- Csilla Juhász
- 5 évvel ezelőtt
- Látták:
Átírás
1 Márkus László Véletlen bolyongás március / 31 Véletlen bolyongás Márkus László március 17.
2 Modell Deníció Márkus László Véletlen bolyongás március / 31 Modell: Egy egyenesen (1 dimenziós tér) Lépkedünk el re vagy hátra (diszkrét lépéseket) Minden lépés független az el z t l P(el re) = p, P(hátra) = q Véletlen folyamatokra nézve tipikus viselkedés Példa: Mikroszkópikus zikai folyamatok Numerikus közelítés: diszkrét eseményekként kezelve Részecske mozgása - véletlen ütközések, impulzusok Folyadék/légnem anyag: diúzió
3 Modell Alesetek Márkus László Véletlen bolyongás március / 31 Elnyel falú bolyongás: Egy vagy mindkét irányban deniálunk egy határt Határ elérése/átlépése esetén terminál a folyamat Példa: Szerencsejáték Egyoldali elnyel falú bolyongás: Játékos pénze 0-ra csökken (tönkrement) Kétoldali elnyel falú bolyongás: Mindkét játékos pénze véges
4 Modell Alesetek Márkus László Véletlen bolyongás március / 31 Szimmetrikus bolyongás: Egy számról indulunk (pl.: 0) El re = +1, Hátra = 1 P(El re) = P(Hátra) = 1 2 Lépések: X 1, X 2,... függetlenül egymástól { eséllyel X i = eséllyel 0-ból indulva a lépések összege: S n = n X i i=1
5 Modell Alesetek Márkus László Véletlen bolyongás március / 31
6 Modell Eloszlás Márkus László Véletlen bolyongás március / 31 Eloszlás: S k eloszlása: P (S k = i) = N k,i 2 k N k,i : origóból k lépés alatt az i-be vezet utak száma N k,i k páros k páratlan i páros i páratlan 0 Magyarázat: ( k k+i 2 ) 0 ( ) k k+i 2 k+i 2 lépés i irányába tetsz leges sorrendben k i 2 lépés ellentétes irányba tetsz leges sorrendben k+i 2 + k i 2 = i
7 Jellemz k - visszatérések 1 Nullába visszatérés Márkus László Véletlen bolyongás március / 31 Nullába visszatérés valószín sége: Csak páros lépésben térhet vissza A visszatérés valószín sége: u 2n = P = (S 2n = 0) = 1 2 2n ( 2n n A becslés Stirling formulából: n! ( n e ) n 2πn, innen ( ) 2n n n2n 22n ( e 2n n ) n ( n e e 2π2n ) n = 22n 2πn 2πn πn ) 1 πn
8 Jellemz k - visszatérések 1 Nullába vissza nem térés Márkus László Véletlen bolyongás március / 31 Nullába egyszer sem térünk vissza 2n lépésb l: P (S 1 0, S 2 0,..., S 2n 0) = = 2 P (S 1 > 0, S 2 > 0,..., S 2n > 0) = n = 2 P (S 1 > 0, S 2 > 0,..., S 2n 1 > 0, S 2n = 2r) = 2 n P (A r ) r=1 r=1 A r : 0-ból indulva végig a pozitív oldalon maradva 2r-be jut Valószín ség kiszámítása: tükrözési elvvel B r : 0-ból pozitív irányban indulva 2r-be jut B r A r = {S 1 = 1} {S 2n = 2r} P (S 1 = 1, S 2n = 2r) = 1 2 P (S 2n 1 = 2r 1) = 1 2 N 2n 1,2r 1 2 2n 1
9 Jellemz k - visszatérések 1 Nullába vissza nem térés Márkus László Véletlen bolyongás március / 31
10 Jellemz k - visszatérések 1 Nullába vissza nem térés Márkus László Véletlen bolyongás március / 31 P (B r )-hez a jó utak száma: Az els, tengelyt érint ponttól tükrözzük az utat a tengelyre Kölcsonösen egyértelm megfeleltetés a jó utak és tükrözött utak között: P (B r ) = P (S 1 = 1, S 2n = 2r) = 1 2 P (S 2n 1 = 2r + 1) = = 1 N 2n 1,2r n 1 P (A r ) = N 2n 1,2r 1 N 2n 1,2r+1 2 2n 2 n r=1 teleszkópos összeg {}}{ n P (A r ) = 2 N 2 2n 2n 1,2r 1 N 2n 1,2r+1 = r=1 = 1 (N 2 2n 1 2n 1,1 N 2n 1,2n+1 ) = N 2n 1,1 2 2n 1 = P (S 2n = 0) = P (S 1 0, S 2 0,..., S 2n 0) ( 2n 1 ) n 2 2n 1 = ( 2n n ) 2 2n = u 2n
11 Jellemz k - visszatérések 1 Els visszatérés Els visszatérés 0-ba {2n-ikre térünk vissza el ször} = {2n lépés során valamikor járunk a 0-ban} \ {2n-2 lépés során valamikor járunk 0-ban} P({2n során valamikor 0}) = 1 P ({2n alatt sohasem 0}) = 1 u 2n P 2n = P({2n-ikre el ször 0}) = 1 u 2n (1 u 2n 2 ) = u 2n 2 u 2n = 1 n 1 u 2n, u 0 = 1 Márkus László Véletlen bolyongás március / 31
12 Jellemz k - visszatérések 1 Valaha visszatérés Márkus László Véletlen bolyongás március / 31 Valaha visszatérünk: P ( n : S n = 0) P(Valaha vissza) = P( 2n-ikre el ször vissza) = n=1 = f 2n = u 2n 2 u 2n = u 0 = 1 n=1 n=1 A bolyongás 1 valószín séggel visszatér
13 Jellemz k - visszatérések 2 Generátorfüggvények Márkus László Véletlen bolyongás március / 31 Generátorfüggvényes módszer a visszatér ség bizonyítására általánosságban Lépések: X 1, X 2,... független, azonos eloszlású egész érték valószín ségi változók S 0 = 0, S n = X X n, azaz S n a mozgó pont helyzete u n = P (S n = 0), U(z) = u n z n az u n sorozat n=0 generátorfüggvénye, u 0 = 1 f n = P (S 1 0, S 2 0,..., S n 1 0, S n = 0) az n lépés utáni els visszatérés valószín sége F (z) = f n z n az f n sorozat generátorfüggvénye n=1 (f 1 = P (S 1 = 0))
14 Jellemz k - visszatérések 2 Generátorfüggvények Márkus László Véletlen bolyongás március / 31 Bizonyítás Ekkor u n = P(n lépés után visszatérünk) = n P (S k = 0, S n = 0, S i 0 : i { {1,..., n 1} \ {k} } = k=1. = n f k u n k k=1 Ebb l a generátorfüggvényekre: Így P ( n : S n = 0) = U(z) = 1 + F (z)u(z) F (z) = 1 1 U(z) n=1 f n = F (1) = 1 1 U(1)
15 Jellemz k - visszatérések 2 Állítások Márkus László Véletlen bolyongás március / 31 Állítás: A bolyongás 1 valószín séggel visszatér u n = Bizonyítás: n=0 1 Az el z ek szerint F (1) = 1 kell, és ez U(1) = 0, azaz U(1) = esetén lehet pontosan. De U(1) = u n és ez adja az állítást. n=0
16 Jellemz k - visszatérések 2 Állítások Márkus László Véletlen bolyongás március / 31 Állítás: Az asszimetrikus bolyongás nem visszatér Bizonyítás: 2n lépésenként lehetséges a visszatérés A lépések: X i = { +1 p 1 q(= 1 p) Ekkor u 2n = ( ) 2n n p n q n (szimmetrikusra p = q = 1 2 ) Stirling: ( ) 2n n 1 πn 2 2n Így u 2n konvergens vagy divergens 1 πn (4pq) n konvergens vagy divergens n=1 Az x(1 x) = x 2 + x polinomnak x = 1 2-nél maximuma van, ez 1 4, ezért pq 1 4, egyenl ség csak szimmetrikus esetben állhat.
17 Jellemz k - visszatérések 2 Állítások Márkus László Véletlen bolyongás március / 31 szimmetrikus esetben 4pq = 1, u n divergens aszimetrikus esetben p q => 4pq < 1 n=0 u n n=1 n=0 n=1 1 πn 4pq n < 1 πn = sor n=1 4pq n <
18 Jellemz k - visszatérések 2 Többdimenziós bolyongások visszatérhet sége Márkus László Véletlen bolyongás március / 31 Többdimenziós bolyongások (szimmetrikus eset): Síkrács/térrács/r-dimenziós rács A bolygó pont egyenl valószín séggel lép egységnyit a 4/6/2r irány valamelyikébe. Origóba visszatérés: minden koordinátatengely irányában ugyanannyi lépést tesz el re és hátra.
19 Jellemz k - visszatérések 2 Többdimenziós bolyongások visszatérhet sége Márkus László Véletlen bolyongás március / 31 Többdimenziós bolyongások (folytatás) u (r) 2n = 1 (2n)! (2r) 2n u u r=n (u 1! u 2!... u r!) 2 ( 2n ) 2 [( 2n )] 2 ( ) 2 dimenzióban: u (2) 2n = n 4 2n = n n = 1 πn πn r 3 dimenzióban már összeg, u (r) 2n 1 ( r 2 r 1 πn u (2) 2n 1 πn = ) r 2 így 2 dimenzióban: n=0 u=1 r 3 dimenzióban a bolyongás nem visszatér. = const ( ) r 1 2 n
20 Jellemz k - visszatérések 2 Többdimenziós bolyongások visszatérhet sége Márkus László Véletlen bolyongás március / 31 Tétel: Pólya György A szimmetrikus bolyongás 1 és 2 dimenzióban 1 valószín séggel visszatér, míg 3 vagy több dimenzióban 1-nél kisebb valószín séggel tér vissza.
21 Jellemz k - visszatérések 2 Utolsó visszatérés Utolsó visszatérés: 2n lépés (véletlen id pont) megtétele után mikor jártunk utoljára 0-ban T 2n = max{2k : 0 k n, S 2k = 0} T 2n = 0 ha 2n lépés alatt még nem tértünk vissza egyszer sem Legyen α 2k,2n = P (T 2n = 2k) α 2n,2k = P (S 2k = 0, S 2k+1 0,..., S 2n 0) = u 2k u 2n 2k (0-ba visszatérés és 0-ba vissza nem térés pontokból következik) Márkus László Véletlen bolyongás március / 31
22 Jellemz k - visszatérések 2 Utolsó visszatérés Márkus László Véletlen bolyongás március / 31 Utolsó visszatérés (folytatás) n P (T 2n = 2k) = 1 k=0 n P (T 2n = 2k) = n u 2k u 2n 2k = 1 k=0 k=0 U(z) = u 2n z n : n=0 U(z) U(z) = n u 2k u 2n 2k z n = 1 + z + z = 1 1 z n=0 k=0 U(z) = (1 z) 1 2
23 Jellemz k - egyebek Pozitív oldalon tett lépések Márkus László Véletlen bolyongás március / 31 Pozitív oldalon tett lépések Szerencsejáték analógia: hányszor vezet a játékos Bolyongó részecske a pozitív oldalon van: S k > 0 (S k = 0 S k 1 > 0) Legyen z 2n a 2n lépés során a pozitív oldalon tett lépések száma. Legyen π 2k,2n = P (z 2n = 2k) = P(2n lépésb l 2k a pozitív oldalon) π 2k,2n = k P (felfelé indul, az els visszatérés 2r-ben, z 2n = 2k)+ + n k r=1 = k r=1 r=1 P (lefelé indul, az els visszatérés 2r-ben, z 2n = 2k) = 1 2 f 2r π 2k 2r,2n 2r + n k 1 2 f 2r π 2k,2n 2r r=1
24 Jellemz k - egyebek Pozitív oldalon tett lépések Márkus László Véletlen bolyongás március / 31 Állítás: π 2k,2n = u 2k u 2n 2k = α 2k,2n Bizonyítás: Csak az els egyenl séget kell n szerinti indukcióval: Tegyük fel, hogy n 1-ig igaz, ekkor n-re a fenti rekurzió: π 2k,2n = 1 2 u k 2n 2k f 2r u 2k 2r u 2k n k f 2r u 2n 2k 2r r=1 k f 2r u 2k 2r = u 2k, r=1 n k r=1 r=1 f 2r u 2n 2k 2r = u 2n 2k
25 Jellemz k - egyebek Arcsin törvény Márkus László Véletlen bolyongás március / 31 Arcsin törvény: Vizsgáljuk a pozitív oldalon tett lépések arányát: Valószín ségi változó, értékkészlete: [0, 1] Kérdés: határeloszlása, n : lim P (a < z 2n n 2n b), 0 a < b < 1 P (a z 2n 2n < b) = π 2k,2n = u 2k u 2n 2k a k n <b a k n <b az u 2n -re vonatkozó aszimptotikából (itt precízebben kellene): 1 = 1 1 πk π(n k) a k n <b b 1 = [ 2 π x(1 x)dx π arcsin x ] b a a k n <b π k n(1 n) k n a z 2n 2n valószín ségi változók eloszlása 2 π arcsin( x), (0, 1) tartományban (Konvergencia igaz a, b-re, így a variációs távolságban is) z 2n 2n
26 Jellemz k - egyebek Arcsin törvény Márkus László Véletlen bolyongás március / 31 S r ségfüggvénye (0, 1)-ben: Minimum 1 2 -nél Maximumok: 0, 1 π 2k,2n = α 2k,2n T 2n 2n Valószín, hogy 1 1 π x(1 x) -nek is ugyanez a határeloszlása vagy nemrég jártunk 0-ban vagy csak az elején jártunk 0-ban, azóta nem Legkevésbé valószín, hogy az út felénél jártunk 0-ban
27 Jellemz k - egyebek Arcsin törvény Márkus László Véletlen bolyongás március / 31
28 Jellemz k - egyebek Origótól távolság Origótól vett távolság n lépés után: M n = max{s 0, S 1,..., S n } Állítás: P (M n r, S n = k) = P (S n = 2r k)(0 r k) Bizonyítás: Tükrözési elvvel r szint els elérését l tükrözünk Kell: {r szintet elér vagy meghaladó, k-ban végz d n hosszú utak} = {2r-k-ban végz d utak} Köztük a megfeleltetés kölcsönösen egyértelm számuk egyenl valószín ségeik is Márkus László Véletlen bolyongás március / 31
29 Jellemz k - egyebek Origótól távolság Márkus László Véletlen bolyongás március / 31
30 Jellemz k - egyebek Origótól távolság Márkus László Véletlen bolyongás március / 31 Origótól távolság (folytatás) Következmény: Megadhatjuk P(M n r)-t P (M n r) = P (M n r, S n r) + P (M n r, S n r 1) Els tag: (S n r M n )r P (M n r, S n r) = P (S n r) Második tag: P (M n r, S n r 1) = r 1 P (M n r, S n = k) k=2r n r szintet eléri a bolyongás r-et lépés felfelé, n-r lefelé max 2r-n-ig süllyed innen k r 1 k=2r n n m=r+1 P (M n r, S n = k) = P (S n = m) = P (S n r + 1) r 1 k=2r n P (M n r) = P (S n r) + P (S n r + 1) P (S n = 2r k) =
31 Jellemz k - egyebek Origótól távolság Márkus László Véletlen bolyongás március / 31 Origótól távolság (utolsó) Következmény: P (M n = r) = P (M n r) P (M n r + 1) = = P (S n r) + P (S n r + 1) P (S n r + 1) P (S n r + 2) = = P (S n = r) + P (S n = r + 1) Ebb l a két tagból csak egyik nem 0
Lehetséges vizsgálatok III: Szimmetrikus bolyongás Jobbra => +1; Balra => -1 P(jobbra) = P(balra) = ½
Véletlen bolyongások (1D 2D 3D) 1 / 35 oldal Definíció: Egy egyenesen (1 dimenziós tér) Jobbra, vagy balra lépünk Minden lépés független a korábbiaktól P(jobbra)=p; P(balra)=q Nincs helyben maradási" lépés,
RészletesebbenVéletlen 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)
RészletesebbenSorozatok és Sorozatok és / 18
Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle
Részletesebben0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)
Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
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
RészletesebbenBevezetés. 1. fejezet. Algebrai feladatok. Feladatok
. fejezet Bevezetés Algebrai feladatok J. A számok gyakran használt halmazaira a következ jelöléseket vezetjük be: N a nemnegatív egész számok, N + a pozitív egész számok, Z az egész számok, Q a racionális
RészletesebbenYule és Galton-Watson folyamatok
Dr. Márkus László Yule és ok 2015. március 9. 1 / 36 Yule és ok Dr. Márkus László 2015. március 9. Yule folyamat Dr. Márkus László Yule és ok 2015. március 9. 2 / 36 A független stacionárius növekmény
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
RészletesebbenVéletlen 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
RészletesebbenEgyváltozós függvények 1.
Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata
Részletesebben2. Reprezentáció-függvények, Erdős-Fuchs tétel
2. Reprezentáció-függvények, Erdős-Fuchs tétel A kör-probléma a következőképpen is megközelíthető: Jelölje S a négyzetszámok halmazát. Jelölje r S (n) azt az értéket, ahány féleképpen n felírható két pozitív
Részletesebben12. előadás - Markov-láncok I.
12. előadás - Markov-láncok I. 2016. november 21. 12. előadás 1 / 15 Markov-lánc - definíció Az X n, n N valószínűségi változók sorozatát diszkrét idejű sztochasztikus folyamatnak nevezzük. Legyen S R
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 +
RészletesebbenBiostatisztika. 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
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
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
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
RészletesebbenMarkov-láncok stacionárius eloszlása
Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius
RészletesebbenA derivált alkalmazásai
A derivált alkalmazásai Összeállította: Wettl Ferenc 2014. november 17. Wettl Ferenc A derivált alkalmazásai 2014. november 17. 1 / 57 Tartalom 1 Függvény széls értékei Abszolút széls értékek Lokális széls
RészletesebbenGAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN
GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN Készült a TÁMOP-4.1.-08//a/KMR-009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék
RészletesebbenAnalízis 1. (BSc) vizsgakérdések Programtervez informatikus szak 2008-2009. tanév 2. félév
Analízis 1. (BSc) vizsgakérdések Programtervez informatikus szak 2008-2009. tanév 2. félév Valós számok 1. Hogyan szól a Bernoulli-egyenl tlenség? Mikor van egyenl ség? Válasz. Minden h 1 valós számra
RészletesebbenSzinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35
Szinguláris értékek Wettl Ferenc 2016. április 12. Wettl Ferenc Szinguláris értékek 2016. április 12. 1 / 35 Tartalom 1 Szinguláris érték 2 Norma 3 Mátrixnorma 4 Alkalmazások Wettl Ferenc Szinguláris értékek
RészletesebbenFüggvények folytonosságával kapcsolatos tételek és ellenpéldák
Eötvös Loránd Tudományegyetem Természettudományi Kar Függvények folytonosságával kapcsolatos tételek és ellenpéldák BSc Szakdolgozat Készítette: Nagy-Lutz Zsaklin Matematika BSc, Matematikai elemz szakirány
RészletesebbenTOVÁBBI FELADATOK A következő feladatok véletlen bolyongásokkal kapcsolatos kérdésekről szólnak.
TOVÁBBI FELADATOK A következő feladatok véletlen bolyongásokkal kapcsolatos kérdésekről szólnak. Tekintsük egy szabályos pénzdarab végtelen sok egymás utáni független dobását, és tekintsünk egy részecskét,
RészletesebbenSzimmetrikus bolyongások. Milotai Zoltán. Prokaj Vilmos egyetemi docens
Eötvös Loránd Tudományegyetem Természettudományi Kar Valószínűségelméleti és Statisztika Tanszék Szimmetrikus bolyongások Szakdolgozat Milotai Zoltán Matematika BSc nappali tagozat Alkalmazott matematikus
RészletesebbenGazdasági 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.):
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
RészletesebbenPermutációk véges halmazon (el adásvázlat, február 12.)
Permutációk véges halmazon el adásvázlat 2008 február 12 Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: ismétlés nélküli variáció leképezés indulási és érkezési halmaz
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
RészletesebbenNéhány fontosabb folytonosidejű jel
Jelek és rendszerek MEMO_2 Néhány fontosabb folytonosidejű jel Ugrásfüggvény Bármely választással: Egységugrás vagy Heaviside-féle függvény Ideális kapcsoló. Signum függvény, előjel függvény. MEMO_2 1
RészletesebbenFunkcionálanalízis. n=1. n=1. x n y n. n=1
Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok
RészletesebbenVektorterek. 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
RészletesebbenVektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36
Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás
RészletesebbenGyakorló feladatok az II. konzultáció anyagához
Gyakorló feladatok az II. konzultáció anyagához 003/004 tanév, I. félév 1. Vizsgáljuk meg a következő sorozatokat korlátosság és monotonitás szempontjából! a n = 5n+1, b n = n + n! 3n 8, c n = 1 ( 1)n
RészletesebbenFüggvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy:
Függvények 015. július 1. 1. Feladat: Határozza meg a következ összetett függvényeket! f(x) = cos x + x g(x) = x f(g(x)) =? g(f(x)) =? Megoldás: Összetett függvény el állításához a küls függvényben a független
RészletesebbenMBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós
MBNK12: Permutációk el adásvázlat 2016 április 11 Maróti Miklós 1 Deníció Az A halmaz permutációin a π : A A bijektív leképezéseket értjünk Tetsz leges n pozitív egészre az {1 n} halmaz összes permutációinak
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenHaladók III. kategória 2. (dönt ) forduló
Haladók III. kategória 2. (dönt ) forduló 1. Tetsz leges n pozitív egész számra jelölje f (n) az olyan 2n-jegy számok számát, amelyek megegyeznek az utolsó n számjegyükb l alkotott szám négyzetével. Határozzuk
RészletesebbenHatárérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és
2015.09.28. és 2015.09.30. 2015.09.28. és 2015.09.30. 1 / Tartalom 1 A valós függvén fogalma 2 A határérték fogalma a végtelenben véges pontban Végtelen határértékek 3 A határértékek kiszámítása A rend
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
RészletesebbenFüggvények vizsgálata
Függvények vizsgálata ) Végezzük el az f ) = + polinomfüggvény vizsgálatát! Értelmezési tartomány: D f = R. Zérushelyek: Próbálgatással könnyen adódik, hogy f ) = 0. Ezután polinomosztással: + ) / ) =
RészletesebbenObudai Egyetem RKK Kar. Feladatok a Matematika I tantárgyhoz
Obudai Egyetem RKK Kar Feladatok a Matematika I tantárgyhoz Gyakorló Feladatok a Matematika I Tantárgyhoz Els rész: Feladatok. Halmazelmélet, Számhalmazok, Függvények... Feladat. Legyen A = { : + 3 = 3},
RészletesebbenA sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
RészletesebbenFraktálok. Hausdorff távolság. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék március 14.
Fraktálok Hausdorff távolság Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék 2015. március 14. TARTALOMJEGYZÉK 1 of 36 Halmazok távolsága ELSŐ MEGKÖZELÍTÉS Legyen (S, ρ) egy metrikus tér, A, B S, valamint
Részletesebben6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének
6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük
RészletesebbenSztochasztikus folyamatok
Sztochasztikus folyamatok Benke János és Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2016. tavaszi félév Sztochasztikus folyamatok Deníció, példák Sztochasztikus folyamatok A továbbiakban legyen
Részletesebbenmatematikai statisztika 2006. október 24.
Valószínűségszámítás és matematikai statisztika 2006. október 24. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................
RészletesebbenCentrális határeloszlás-tétel
13. fejezet Centrális határeloszlás-tétel A valószínűségszámítás legfontosabb állításai azok, amelyek független valószínűségi változók normalizált összegeire vonatkoznak. A legfontosabb ilyen tételek a
Részletesebben2. gyakorlat. A polárkoordináta-rendszer
. gyakorlat A polárkoordináta-rendszer Az 1. gyakorlaton megismerkedtünk a descartesi koordináta-rendszerrel. Síkvektorokat gyakran kényelmes ún. polárkoordinátákkal megadni: az r hosszúsággal és a φ irányszöggel
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,
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix
RészletesebbenLin.Alg.Zh.1 feladatok
Lin.Alg.Zh. feladatok 0.. d vektorok Adott három vektor ā (0 b ( c (0 az R Euklideszi vektortérben egy ortonormált bázisban.. Mennyi az ā b skalárszorzat? ā b 0 + + 8. Mennyi az n ā b vektoriális szorzat?
RészletesebbenItô-formula. A sztochasztikus folyamatok egyik legfontosabb formulája. Medvegyev Péter Matematika tanszék
Itô-formula A sztochasztikus folyamatok egyik legfontosabb formulája Medvegyev Péter Matematika tanszék 2008 Medvegyev (Corvinus Egyetem) Itô-formula 2008 1 / 39 Az Itô-formula Theorem Ha F kétszer folytonosan
Részletesebben17. előadás: Vektorok a térben
17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett
RészletesebbenDiszkrét matematika 1. középszint
Diszkrét matematika 1. középszint 2017. sz 1. Diszkrét matematika 1. középszint 3. el adás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenAnalitikus térgeometria
Analitikus térgeometria Wettl Ferenc el adása alapján 2015.09.21. Wettl Ferenc el adása alapján Analitikus térgeometria 2015.09.21. 1 / 23 Tartalom 1 Egyenes és sík egyenlete Egyenes Sík 2 Alakzatok közös
RészletesebbenKalkulus S af ar Orsolya F uggv enyek S af ar Orsolya Kalkulus
Függvények Mi a függvény? A függvény egy hozzárendelési szabály. Egy valós függvény a valós számokhoz, esetleg egy részükhöz rendel hozzá pontosan egy valós számot valamilyen szabály (nem feltétlen képlet)
Részletesebben1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1
numerikus analízis ii 34 Ezért [ a, b] - n legfeljebb n darab gyöke lehet = r (m 1) n = r m + n 1 19 B - SPLINEOK VOLT: Ω n véges felosztás S n (Ω n ) véges dimenziós altér A bázis az úgynevezett egyoldalú
RészletesebbenNUMERIKUS SOROK I. A feladat ekvivalens átfogalmazása a következő végtelen sok tagú összegnek a meghatározása ) 1 21
NUMERIKUS SOROK I. Ha az {a n } (n N) sorozat elemeiből egy új {s n } (n N) sorozatot képezünk olyan módon, hogy s = a, s 2 = a + a 2,, s n = a + a 2 + + a n,, akkor ezt numerikus sornak (vagy csak simán
RészletesebbenSztochasztikus folyamatok
Sztochasztikus folyamatok Pap Gyula, Sz cs Gábor Szegedi Tudományegyetem Bolyai Intézet, Sztochasztika Tanszék Utolsó frissítés: 2014. február 8. Tartalomjegyzék Tartalomjegyzék 2 1. Sztochasztikus folyamatok
RészletesebbenJelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék
Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
RészletesebbenHalmazelméleti alapfogalmak
Halmazelméleti alapfogalmak halmaz (sokaság) jól meghatározott, megkülönböztetett dolgok (tárgyak, fogalmak, stb.) összessége. - halmaz alapfogalom. z azt jelenti, hogy csak példákon keresztül magyarázzuk,
RészletesebbenSzámsorok. 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
Részletesebben5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás
5. házi feladat 1.feladat A csúcsok: A = (0, 1, 1) T, B = (0, 1, 1) T, C = (1, 0, 0) T, D = ( 1, 0, 0) T AB, CD kitér élpárra történ tükrözések: 1 0 0 T AB = 0 1 0, elotlási rész:(i T AB )A = (0, 0, )
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.
RészletesebbenA kémiai kötés eredete; viriál tétel 1
A kémiai kötés ereete; viriál tétel 1 Probléma felvetés Ha egy molekula atommagjai közötti távolság csökken, akkor a közöttük fellép elektrosztatikus taszításhoz tartozó energia n. Ugyanez igaz az elektronokra
RészletesebbenFunkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér
Funkcionálanalízis Gyakorló feladatok 2017 március 22 Metrikus tér, normált tér és skalárszorzat tér N1 Metrikát deniálnak-e R-en az alábbi függvények: (a) d(x, y) = x y (b) d(x, y) = x y (c) d(x, y) =
RészletesebbenHatározatlan integrál
Határozatlan integrál 205..04. Határozatlan integrál 205..04. / 2 Tartalom Primitív függvény 2 Határozatlan integrál 3 Alapintegrálok 4 Integrálási szabályok 5 Helyettesítéses integrálás 6 Parciális integrálás
RészletesebbenTartalomjegyzék. Tartalomjegyzék Valós változós valós értékű függvények... 2
Tartalomjegyzék Tartalomjegyzék... Valós változós valós értékű függvények... Hatványfüggvények:... Páratlan gyökfüggvények:... Páros gyökfüggvények... Törtkitevős függvények (gyökfüggvények hatványai)...
RészletesebbenHatványsorok, Fourier sorok
a Matematika mérnököknek II. című tárgyhoz Hatványsorok, Fourier sorok Hatványsorok, Taylor sorok Közismert, hogy ha 1 < x < 1 akkor 1 + x + x 2 + x 3 + = n=0 x n = 1 1 x. Az egyenlet baloldalán álló kifejezés
RészletesebbenMatematika alapjai; Feladatok
Matematika alapjai; Feladatok 1. Hét 1. Tekintsük a,, \ műveleteket. Melyek lesznek a.) kommutativok b.) asszociativak c.) disztributívak-e a, műveletek? Melyik melyikre? 2. Fejezzük ki a műveletet a \
Részletesebben1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok
1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok (x, y) valós számpárokból állnak, két (a, b) és (c, d) pontnak a távolsága (a c)
RészletesebbenAbszolútértékes egyenlôtlenségek
Abszolútértékes egyenlôtlenségek 575. a) $, $ ; b) < - vagy $, # - vagy > 4. 5 576. a) =, =- 6, 5 =, =-, 7 =, 4 = 5; b) nincs megoldás;! c), = - ; d) =-. Abszolútértékes egyenlôtlenségek 577. a) - # #,
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
Részletesebben1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények
1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási
RészletesebbenKomplex számok. A komplex számok algebrai alakja
Komple számok A komple számok algebrai alakja 1. Ábrázolja a következő komple számokat a Gauss-féle számsíkon! Adja meg a számok valós részét, képzetes részét és számítsa ki az abszolút értéküket! a) 3+5j
RészletesebbenHatározatlansági relációk származtatása az
az állapottér BME TTK Matematikus MSc. 1. évf. 2012. november 14. Vázlat: Történeti áttekintés Nemkommutatív (kvantum) valószín ségelmélet Az állapottér geometriája: Az állapottér mint Riemann-sokaság
RészletesebbenSzámítógépes geometria
2011 sz A grakus szállítószalag terv a geometriai (matematikai) modell megalkotása modelltranszformáció (3D 3D) vetítés (3D 2D) képtranszformáció (2D 2D)... raszterizáció A grakus szállítószalag: koncepció
RészletesebbenGazdasági 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
RészletesebbenDiszkrét és folytonos idej Markov-láncok. Csiszár Vill
Diszkrét és folytonos idej Markov-láncok Csiszár Vill Tartalomjegyzék 1. Bevezetés 1 2. Diszkrét idej Markov-láncok 3 2.1. Markov tulajdonság............................. 3 2.2. Az állapotok osztályozása.........................
Részletesebben6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?
6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenMatematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. 3. Rövid leírás. 4. Oktatási módszer. Biró Zsolt. 1.
Matematika B/1 Biró Zsolt Tartalomjegyzék 1. Célkit zések 1 2. Általános követelmények 1 3. Rövid leírás 1 4. Oktatási módszer 1 5. Követelmények, pótlások 2 6. Program (el adás) 2 7. Program (gyakorlat)
Részletesebben( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!
1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló
RészletesebbenMatematikai 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
RészletesebbenParciális dierenciálegyenletek
Parciális dierenciálegyenletek 2009. május 25. A félév lezárásaként néhány alap-deníciót és alap-példát szeretnék adni a Parciális Dierenciálegynletek (PDE) témaköréb l. Épp csak egy kis izelít t. Az alapfeladatok
Részletesebben1. tétel - Gráfok alapfogalmai
1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési
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
RészletesebbenDiszkrét és folytonos paraméter Markov láncok. Csiszár Vill
Diszkrét és folytonos paraméter Markov láncok Csiszár Vill Tartalomjegyzék 1. Bevezetés 1 I. Diszkrét paraméter Markov láncok 2 2. Visszatér ség 2 2.1. Markov-tulajdonság............................. 2
RészletesebbenMarkov láncok. jegyzet február 18. Honnan hová lehet eljutni? Hány lépésben? Van-e stacionárius kezdeti eloszlás? Hány?
Markov láncok jegyzet 2009. február 18. 1. Bevezetés Tekintsünk egy megszámlálható sok csúcspontú, irányított gráfot úgy, hogy minden élre egy nemnegatív szám van írva, és minden csúcs kimen éleire írt
RészletesebbenDiMat II Végtelen halmazok
DiMat II Végtelen halmazok Czirbusz Sándor 2014. február 16. 1. fejezet A kiválasztási axióma. Ismétlés. 1. Deníció (Kiválasztási függvény) Legyen {X i, i I} nemüres halmazok egy indexelt családja. Egy
RészletesebbenVIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag
VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2
RészletesebbenTartalomjegyzék. Typotex Kiadó, 2010
Tartalomjegyzék 15. Elliptikus egyenletek 7 15.1. Bevezetés: Elliptikus egyenletek alkalmazott feladatokban... 7 15.2. Elméleti háttér.......................... 9 15.3. Véges dierencia eljárások II...................
RészletesebbenFüggvényhatárérték és folytonosság
8. fejezet Függvényhatárérték és folytonosság Valós függvények és szemléltetésük D 8. n-változós valós függvényen (n N + ) olyan f függvényt értünk amelynek értelmezési tartománya (Dom f ) az R n halmaznak
RészletesebbenRegresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.
Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert
RészletesebbenOrtogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41
Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét
Részletesebben