véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
|
|
- Anna Borbélyné
- 5 évvel ezelőtt
- Látták:
Átírás
1 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 a statisztika? Egy populációból veszük mitát. (A szavakat a KSH találta ki.) A mita alapjá akaruk valamit modai, de az egész populációról. 3 Állítsuk megbízhatóságáról is yilatkozuk. NÉPSZAVAZÁS 4 A mitavétel em akármilye. Akárháyszor elvégezzük, más és más eredméyt kapuk. Ez a mitavétel lesz a dolog kulcsa.. VENEREAL DISEASE Ezért kell értei a valószíűségszámításhoz. Nevezzük a mitavételt kísérletek. Kísérlet : determiisztikus : előre meghatározható eredméyhez vezet véletle : statisztikai törvéyekek egedelmeskedik (Mi az ami közös a épszavazásba, a betegségek gyógyulásába és a fiz. kém. laborba?) Mi kell a statisztika taulásához? MATEMATIKA: halmazelmélet algebra mértékelmélet (differeciál- és itegrálszámítás) aalízis Példa: NÉPSZAVAZÁS (Belépje-e az Egyesült Királyság az Európai Uióba?) YES NO SUM Scotlad Norther Irelad Kérdés: Va-e külöbség Scotlad és Norther Irelad véleméye között? Válasz: Aak a valószíűsége, hogy ics, 0 8.
2 MIK A VÉLETLEN TÖRVÉNYEI? Defiíció: Eseméytér: a véletle kísérlet összes lehetséges kimeeteléek halmaza. Elemei: az egyes kísérletek kimeetelei. Az eseméytér lehet: korlátos folytoos: pl. testmagasság végtele diszkrét: pl. radioaktív bomlás véges diszkrét: pl. látósejtek száma a retiá, kockadobás, ura (MI A BAJ A KLASSZIKUS ELMÉLETTEL?? (Kombiatorika)) végtele folytoos: ha így defiiáljuk! egyváltozós többváltozós Defiíció: Eseméy: Az eseméytér tetszőleges részhalmaza. Elevezés: Bekövetkezik egy eseméy, ha a kísérlet olya kimeetele fordul elő, amelyek valódi része az eseméy. HF. Háy lehetséges eseméy va egy kocka dobásáál (és kettőél)? Egy kocka: ábra Ø: az üres halmaz (hogy az eseméytér zárt legye, e vezesse ki belőle semmilye művelet.) Defiíció: Diszjukt (egymást kizáró) eseméyek: Ha (tetszőleges párra) icse párokét közös részük. (A metszetük üres.) Példák: Páratla / páros kocka vagy kisebb / -él agyobb A VALÓSZÍNŰSÉGSZÁMÍTÁS AXIÓMÁI Legye: A és B egy eseméytér két (diszjukt) eseméye (azaz A B = 0). Jelölés: P(A) az A, P(B) a B eseméy valószíűségeit jelölő számok, ha teljesül 3 aióma.. 0 P(A) P(B)-re természetese ugyaez igaz. P(A B) = P(A) + P(B) 3. P(S) = S: A teljes eseméytér
3 Milye eseméy A B??? Eyi aióma elég. P U i= i= Szokás még: A = P ( A ) i i vagy 0 P(A) de ezek már az előzőek következméyei! Néháy fotos következméy: valószíűség számítás tételek 0. P(Ø) = 0. P(A). P( A ) = P(A) Háy eseméyt specifikál egy kísérlet kimeetele? ( A az A komplemetere.) P U i i kiterjesztés több (párokét függetle) eseméyre i= i= 3. A = P ( A ) 4. A. aióma következméye: eseméyek külöbségéek valószíűsége P ( A / B) = P ( A) P ( A V) (Ha B A P ( A / B) = P ( A) P ( B) Milye eseméy az A / B? 5. Ha két eseméy em diszjukt, felbotható három diszjukt eseméyre. Legye D E Ø Felbotás: D E, D / (D E), E / (D E) uiójuk: D E P (D E) = P (D / (D E)) + P (E / (D E) = = P (D) + P (E) P (D E) Vegyük észre: ha D és E diszjuktak, visszakapjuk a. aiómát. Kiterjeszthetjük több eseméyre POINCARÉ tétele. Mit jelet A B? (Ha B, akkor A is.) Ekkor: P (A) P (B) P (B / A) = P (B) P (A) Hogy álluk P (A / B)-vel? FELTÉTELES VALÓSZÍNŰSÉG Jelölés: A B : A, feltéve, hogy B bekövetkezett. Defiíció: P ( A B) ( A B) P( B) P = az A eseméy B-re voatkoztatott feltételes valószíűsége. 3
4 Tétel: A és B eseméyek függetleek, ha P (A B) = P (A) P (B) Bizoyítás: P ( A B) P( A) = P ( B) ( B A) P ( B) P = (a B eseméy valószíűsége függetle A-tól.) Szimmetria okokból ( A B) P ( A) P = A valószíűség gyakorlati értelmezése: Tapasztalati gyakoriság Klasszikus valószíűség (egyeletes, diszkrét) Geometriai valószíűség Defiíció: Függetleek egymástól azok a kísérletek, amelyek kimeeteleiek valószíűségét em befolyásolják a többi kísérletek kimeetelei. Elevezés: Ismétlés: ha az újabb kísérletek függetleek a korábbiaktól. Beroulli tétele (sztochasztikus kovergecia): ha A, = tapasztalati gyakoriság p ( P ( A) p < ε ) lim P A, = tetszőleges ε -ra (Az aiómák igazolhatók a ha A, = tapasztalati gyakoriságokból p em kell hozzá az egyeletes valószíűség.) VALÓSZÍNŰSÉGI VÁLTOZÓK ehéz fogalom! Elevezés: Egyszerű (elemi) eseméyek: diszkrét eseméytér elemei. Folytoos eseméytérbe: X (, + ) MÉRÉSKOR NINCS FOLYTONOS ESEMÉNYTÉR! Majdem lehetetle eseméy Majdem biztos eseméy 0 lehetetlesége: két ember két molekula } távolsága 4
5 Defiíció: A valószíűségi változó az eseméytére értelmezett függvéy. A kísérlet mide egyes kimeeteléek megfelelőe felvesz egy értéket, ez az ő realizációja. Értékkészlete alkotja a valószíűségi változó eseméyterét. Más eve: statisztika. Változó: NAGY lati betű, Mit jelet P (X = )? realizáció: kis lati betű Hogy va ez egy kocka dobásáál?? Mi a folytoos megfelelője a P (X = ) -ek?? P ( < X + ) vagy, ha elvégezhető a 0 átmeet: P ( < X + d ) Mi a 0 feltétele??? N. B. Valószíűségi változók bármely függvéye is valószíűségi változó! (Miért?) Bármely függvéy, amely érvéyes valószíűségi változók között, érvéyes ugyaúgy a realizációk között is. (Miért?) VALÓSZÍNŰSÉGI SŰRŰSÉGFÜGGVÉNY Legye X egy valószíűségi változó, S az ő eseméytere. Kérdés: Hogya oszlaak el S fölött a valószíűségek? Defiíció: Ha X folytoos valószíűségi változó, akkor valószíűségi sűrűségfüggvéye az az f () függvéy, amelyek az A itervallumo vett itegrálja megadja aak a valószíűségét, hogy X realizációi az A itervallumo belül leszek, azaz: jel. P ( X A) = P ( A) = f ( ) A d. Az X (, + d ) elemi eseméy valószíűsége f () d, és f () d 0, d 3. f ( ) = S A (, )-beli defiíció eseté: ( ) d f = Hogy lehet ezt így kiterjesztei? 5
6 Defiíció: Ha X diszkrét valószíűségi változó, akkor mide egyes értéke (realizációja) elemi eseméy, p() valószíűséggel. Ekkor a p() = P (X = ) az X valószíűségi sűrűségfüggvéye. Erre igaz jelölés. P ( A) = P ( A) = p ( ). 0 p () 3. ( ) A p = A Aalógia: Tömegpotok / kotiuum mechaikája i = test test m ρ dv test ( m ) = f ( ) i f ρ dv ρ : tömegsűrűség test (Stieltjes itegrál) Mostara épült fel teljese a haszálható matematikai apparátus: Véletle kísérlet kimeetelek S halmaz eseméytér A S X 0 eseméy valószíűsége P(A) valószíűségi változó X R 0 X f p( ) ( ) d a realizáció valószíűsége (A matematikus em az S halmazt tekiti alapkét, haem aak összes részhalmazából álló H halmazt!) 6
7 Defiíció: Az Y valószíűségi változó eloszlásfüggvéye: F() = P (y ) F ( ) = p( y) diszkrét y < F ( ) = f ( y) dy folytoos Fogalmak áttekitése \ eloszlás típusa folytoos diszkrét sűrűségfüggvéy f () p () elemi eseméy valószíűsége f () d p () adott A eseméy valószíűsége f ( ) d p ( ) A A eloszlásfüggvéy F () F () P (X ) F () F () P ( X ) F ( ) F ( ) F ( ) F ( ) f ( ) d X = X = p ( X ) Vegyük észre! lim P( a < X b) = 0 a b folytoos X-re P( = b) = 0 b majdem lehetetle eseméy p ( b) = 0 majdem biztos eseméy VÁRHATÓ ÉRTÉK Defiíció: X valószíűségi változó bármely g() függvéyéek várható értéke: M ( g( ) ) = g S ( ) f ( ) g d ( ) p( ) folytoos diszkrét 7
8 (Stieltjes itegrállal: ( g( ) ) = g( ) df( ) Feltételek: Ha a g( ) p( ) M ) sor koverges, illetve a g( ) f ( ) Speciális várható értékek: 0 d itegrál létezik és véges. X várható értéke (X átlaga, X eloszlásáak középértéke) µ = µ = M ( ) Jeletése: ezt szórják körül a kísérlet eredméyei. M: mea (más jelölés: E: epectatio) X (eloszlásáak) r-edik cetrális mometuma µ = M µ r = S f ( ) p d ( ) r [( ) ] = M ( M ( ) ) r [ ] N.B.: Ha az eloszlás szimmetrikus, mide páratla cetrális mometuma zérus.. cetrális mometum: X (eloszlásáak) szóráségyzete / variaciája D ( ) = σ = V ( ) = µ = M ( µ ) Elevezés: Stadard deviáció (hiba): σ = D ( ) D: deviatio σ : scatter Két valószíűségi változó eseté: KOVARIANCIA [ ] = M [( M ( ) ) ] ( X, Y ) = M [( µ )( Y )] C µ Vegyük észre a határesetet: C (X, X) = D (X) = V(X) (szóráségyzet, variacia) Kovariacia mátri: elemei: C(X i, X j ) főátló: V(X ii ) (= variacia) Belőle származik a korrelációs együttható: ( X, Y ) ( X ) D ( Y ) C ρ ( X, Y ) = ormált kovariacia D r 8
9 Tétel: Ha X és Y függetleek M(XY) = M(X) M(Y) ekkor C(X, Y) = 0 és ρ (X, Y) = 0 MEGFORDÍTVA CSAK AKKOR IGAZ, ha X és Y együttes eloszlása ormális. Tétel: Mide emegatív f (), ha itegrálható a (, ) itervallumo, és f ( ) d = Ha g ( ) d N g( ), valószíűségi sűrűségfüggvéy lehet., de véges, akkor is lehet sűrűségfüggvéy, ahol N g( ) = d N : NORMA ELOSZLÁSFÜGGVÉNY TÍPUSOK Biomális eloszlás Legye: tetszőlegese ismételhető kísérlet két kimeetellel: A és A P(A) = p P( A ) = q = p Biomiális mitavétel Legye ismétlésből K az A eseméyek száma { 0,,, } S = K k S Defiíció: P k k k K k p q ( = ) = ez a sűrűségfüggvéy Jelölés: K ~ B(p, ) A év eredete: P (K = k) kifejezés a (p + q) biomális sorból való. µ = p σ = p q = p ( p) Más év: Beroulli-eloszlás ismételt alteratívák eloszlása Alakalmazás: Népszavazás, feleletválasztás, stb... 9
10 Poisso eloszlás Diszkrét Gyakra haszálható. Időbe: egyeletes valószíűséggel bekövetkező eseméyek száma adott időitervallumba. Térbe: egyeletes valószíűséggel bekövetkező eseméyek (véletle elhelyezkedése) száma adott felülete. (Esőcsepp, radioaktív bomlás, gépelési hiba, LÓRÚGÁS, forgalom, gólok focimeccse, telefohívások, sejtszaporodás, születések száma) Eseméytér: N Jelölés: K ~ P(m) Defiíció P (K = k) = P(b) = m k m e k! k N µ = m σ = m σ = m Tétel: c-szeres itervallum: K ~ P(c m) ha K ~ P(m ) és K ~ P(m ) függetleek, akkor K + K ~ P (m + m ) Határeloszlás-tételek: B, ha p << ( p ) P( p) B ( p ) P( p), ha lim p = m (azaz, ha ő, p csökke) Epoeciális eloszlás Folytoos Időbe: (egyeletes eloszlású) véletle eseméyek bekövetkezéséek idejéig eltelt idő ÉLETTARTAM-eloszlás Térbe: (egyeletes eloszlású)véletle eseméyek helyéek távolsága egy adott (tetszőleges) helytől Várakozás!, ütközések távolsága /ideje, élettartam. REAKCIÓKINETIKA! f = a e = 0, a, ha ( ) a > 0 ha 0 < 0 F e ( ) = e µ = a átlagos élettartam, ütközési gyakoriság, szabad úthossz, relaációs idő 0
11 σ = a σ = a A Poisso rokoa! POISSON-folyamat Normális eloszlás Felfedezője: Abraham de Moivre ezért hívják még Gauss-eloszlásak. Pétervári játék: Addig dobuk, míg fej em jö ki. Ha -edikre dobuk fejet, rubelt kapuk. Meyit kell befizeti a bakak, hogy e meje tökre? Dobások: B(0.5, ) de Moivre: lim P ( h, fej h, írás < ) = Defiíció ( ) ( µ ) σ f = e < < π σ π e d Jelölés: X ~ N (µ, σ ) Defiíció µ a Z = X STANDARD NORMÁLIS eloszlású σ Z ~ N (0, ) f ( z) = e π Határeloszlások X = Z σ + µ táblázatok, belső függvéyek (matematikusok-fizikusok) Közpoti határeloszlás tétele Legyeek,,... azoos eloszlású valószíűségi változók, µ és σ (véges) paraméterekkel, akkor eseté a i ~ N (, σ ) i= i= = : i Mérések!! µ, továbbá ~ lim N σ, µ, amiből (, ) σ σ = χ eloszlás e f ( ) = 0 <, > 0 Γ
12 ~ χ a szabadsági fokok száma Miért fotos? Ha,, 3,... függetleek és N (µ, σ ) eloszlásúak: Várható értéke: µ = W = i = i σ µ W ~ χ Mérések! Elevezés: W m ~ χ redukált χ - eloszlás: µ = Studet-féle t-eloszlás (Studet: agol úr áleve, eze a éve írta matematikai cikkeit) Kivételes: t kis betű, de valószíűségi változó!! lim f = < t <, > 0 ( t) t = N +, t β + Γ Γ β =, Γ + ábra ( 0, ) Jeletőség: mitavétel ld. később 30 fölött az eltérés kisebb mit 0 % Z Ha Z ~ N (0, ) és U ~ χ függetleek, akkor T = ~ t U F-eloszlás (Fisher-féle F-eloszlás) ~ ~ f (): ige boyolult Ha U χ és V χ függetleek, akkor redukált háyadosaik eloszlása ilye: µ ~ F és, F, = F, Számolás: χ, = F : redukált χ - eloszlás
24. 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
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.
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
Részletesebben18. 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.
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
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
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
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.
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
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.
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,
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:
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet
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............................
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
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
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
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
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
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
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
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.
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
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
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
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.
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
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.
RészletesebbenNagy 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
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
Részletesebbenbiometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat
Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke
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
RészletesebbenA 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:
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
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
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
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
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:
RészletesebbenPopuláció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 16. A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezőgazdaság Szociológia
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
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
Részletesebben24. Kombinatorika, a valószínűségszámítás elemei
4. Kombiatoria, a valószíűségszámítás elemei Kombiatoria A véges halmazoal foglalozó tudomáyterület. Idő hiáyába csa a evezetes összeszámolásoal foglalozu. a) Sorbaállításo (ermutáció) alafeladat: ülöböző
RészletesebbenBIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika
BIOSTATISZTIKA ÉS INFORMATIKA Leíró statisztika Első közelítésbe a statisztikai tevékeységeket égy csoportba sorolhatjuk, de ezek között ics éles határ:. adatgyűjtés, 2. az adatok áttekithetővé tétele,
Részletesebben? közgazdasági statisztika
Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem
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................................
Részletesebbenkismintás esetekben vagy olyanokban, melyeknél a tanulóalgoritmust tesztadatokon szeretnénk
ÚJRAMINTAVÉTELEZÉSI ELJÁRÁSOK A jackkife (zsebkés) és bootstrap (cipőhúzó a saját kallatyújáál fogva) eljárások agol elevezése is arra utal, hogy itt ad hoc eljárásokról va szó, melyek azoba agyo haszosak
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
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 + =..
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)
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
Részletesebben= dx 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05
Folytoos vlószíűségi változók Értékkészletük számegyees egy folytoos (véges vgy végtele) itervllum. Vlmeyi lehetséges érték vlószíűségű, pozitív vlószíűségek csk értéktrtomáyokhoz trtozk. Az eloszlás em
RészletesebbenKutatói pályára felkészítı modul
Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI
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 =,
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
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
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:
RészletesebbenBiometria 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.
RészletesebbenELTE TTK Budapest, január
Valószíűségszámítás Arató Miklós előadásai alapjá Készítették: Martiek László Tassy Gergely ELTE TTK Budapest, 008. jauár Typeset by L A TEX . el adás 007. IX.. szerda Klasszikus (kombiatorikus valószí
RészletesebbenValószínűségszámítás 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
RészletesebbenValószínűségszámítás
8. Valószíűségszámítás ESEMÉNYEK 174 Eseméyek formális leírása, műveletek 175 Feladatok 176 A VALÓSZÍNŰSÉG FOGALMA 177 A valószíűség tulajdoságai 178 Mitapéldák 179 Feladatok 181 VALÓSZÍNŰSÉGI VÁLTOZÓK
RészletesebbenKÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN
KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN DR. REICHART OLIVÉR 005. Budapest Lektorálta: Zukál Edre Tartalom BEVEZETÉS 3. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK 5.. Kombiatorikai alapösszefüggések
Részletesebben1. 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
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenBevezetés 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.
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
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
RészletesebbenMatematika 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,
RészletesebbenKalkulus szigorlati tételsor Számítástechnika-technika szak, II. évfolyam, 2. félév
Kalkulus szigorlati tételsor Számítástechika-techika szak, II. évfolyam,. félév Sorozatok: 1. A valós számoko értelmezett műveletek és reláció tulajdoságai. Számok abszolút értéke, itervallumok. Számhalmazok
RészletesebbenTerületi 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
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
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
RészletesebbenKözlemény. 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
RészletesebbenA statisztika részei. Példa:
STATISZTIKA Miért tauljuk statisztikát? Mire haszálhatjuk? Szakirodalom értő és kritikus olvasásához Mit állít egyáltalá a cikk? Korrektek-e a megállaítások? Vizsgálatok (kísérletek és felmérések) tervezéséhez,
RészletesebbenSTATISZTIKA 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
RészletesebbenVALÓSZÍNŰSÉGSZÁMÍTÁS KÉPLETTÁR
védőeryő az ismeretleek záporába VALÓSZÍNŰSÉGSZÁMÍTÁS KÉPLETTÁR www.matektaitas.hu www.matektaitas.hu ifo@matektaitas.hu 1 védőeryő az ismeretleek záporába Kombiatorika Permutáció Ismétlés élküli permutáció
RészletesebbenJármőtervezés 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
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
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
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
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok
Matematikai alapok és valószínőségszámítás Valószínőségszámítási alapok Bevezetés A tudományos életben vizsgálódunk pontosabb megfigyelés, elırejelzés, megértés reményében. Ha egy kísérletet végzünk, annak
RészletesebbenEseményalgebra, kombinatorika
Eseméyalgebra, kombiatorika Eseméyalgebra Defiíció. Véletle kísérletek evezük mide olya megfigyelést, melyek több kimeetele lehetséges, és a véletletől függ, (azaz az általuk figyelembevett feltételek
Részletesebben4. Test feletti egyhatározatlanú polinomok. Klasszikus algebra előadás NE KEVERJÜK A POLINOMOT A POLINOMFÜGGVÉNNYEL!!!
4. Test feletti egyhatározatlaú poliomok Klasszikus algebra előadás Waldhauser Tamás 2013 április 11. Eddig a poliomokkal mit formális kifejezésekkel számoltuk, em éltük azzal a lehetőséggel, hogy x helyébe
Részletesebben1 n. 8abc (a + b) (b + c) (a + c) 8 27 (a + b + c)3. (1 a) 5 (1 + a)(1 + 2a) n + 1
A tárgy címe: ANALÍZIS A-B-C + gyakorlat Beroulli-egyelőtleség Ha N és h R, akkor + h + h Mikor va itt egyelőség? Léyeges-e a h feltétel? Számtai-mértai közép Bármely N és,, R, k 0 k =,, választással k
RészletesebbenMatematikai 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
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
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
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
Részletesebben(f) f(x) = x2 x Mutassa meg, hogy ha f(x) dx = F (x) + C, akkor F (ax + b) a 3. Számolja ki az alábbi határozatlan integrálokat: 1.
PROGRAMTERVEZŐ MATEMATIKUS SZAK II. ÉVF. III. FÉLÉV GYAKORLÓ FELADATOK AZ II. ANALÍZIS ZH-RA Primitívfüggvéy keresés. Adja meg az f függvéy egy primitívfüggvéyét: f) = 6 8 + 3 b) f) = + 3 f) = + 5 ) /
Részletesebben7. el adás Becslések és minta elemszámok. 7-1. fejezet Áttekintés
7. el adás Becslések és mita elemszámok 7-1. fejezet Áttekités 7-1 Áttekités 7- A populáció aráy becslése 7-3 A populáció átlag becslése: σismert 7-4 A populáció átlag becslése: σem ismert 7-5 A populáció
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,
RészletesebbenStatisztikai programcsomagok
Statisztikai programcsomagok Sz cs Gábor Szegedi Tudomáyegyetem, Bolyai Itézet Szeged, 2012. tavaszi félév Sz cs Gábor (SZTE, Bolyai Itézet) Statisztikai programcsomagok 2012. tavaszi félév 1 / 26 Bevezetés
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
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
Részletesebben