FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
|
|
|
- Barnabás Illés
- 8 évvel ezelőtt
- Látták:
Átírás
1 FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2
2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha Definíció: Az formulával meghatározott valós függvényt az valószínűségi változó eloszlásfüggvényének nevezzük. Tétel: Az valós függvény akkor és csak akkor lehet eloszlásfüggvény, ha ha azaz monoton növekvő, 4. azaz balról folytonos. Bizonyítás: Legyen és ekkor Tehát a valószínűség definíciójának 5. következménye szerint Legyen az sorozat monoton csökkenő, és azaz nem korlátos. Továbbá ekkor és Tehát Hasonlóan legyen az sorozat monoton növekvő és ekkor és Tehát A balról folytonosság hasonlóan adódik. Tehát egy eloszlásfüggvény mindig teljesíti a négy tulajdonságot. A megfordítás: Ha teljesül az 1-4. tulajdonság, akkor létezik valószínűségi mező, és azon olyan valószínűségi változó, hogy ennek eloszlásfüggvénye Erre csak részleges bizonyítást adunk, amikor szigorúan nő és folytonos Legyen a nyílt intervallumok által generált algebra és pedig egy halmaz hossza.
3 Legyen minden esetén ami folytonos és szigorúan monoton növekvő. Tétel: Legyen az valószínűségi változó eloszlásfüggvénye és ekkor Bizonyítás: Legyen és ekkor Ekkor Definíció: Az valószínűségi változót diszkrétnek nevezzük, ha a lehetséges értékek halmazának számossága legfeljebb megszámlálhatóan végtelen. Megjegyzés: Diszkrét valószínűségi változó esetén a lehetséges értékek felírhatók egy sorozatként. Definíció: Legyen az valószínűségi változó lehetséges értékeinek sorozata A valószínűségek sorozatát eloszlásnak nevezzük. Tétel: Ha eloszlás, akkor Definíció: Ha létezik nem-negatív valós függvény, melyre akkor az eloszlásfüggvényhez tartozó sűrűségfüggvény. Megjegyzés: 1. A sűrűségfüggvény nem egyértelmű. 2. A sűrűségfüggvény létezése azt jelenti, hogy az eloszlásfüggvény abszolút folytonos.
4 Tétel: Az valós függvény akkor és csak akkor lehet sűrűségfüggvény, ha nem-negatív és Definíció: A valószínűségi változót folytonosnak nevezzük, ha létezik a sűrűségfüggvénye. Tétel: Legyen az folytonos valószínűségi változó sűrűségfüggvénnyel és ekkor és Megjegyzés: Tetszőleges eloszlásfüggvény előállítható alakban, ahol diszkrét, abszolút folytonos és folytonos és szinguláris eloszlásfüggvény a Lebesgue-mértékre nézve. A és a valószínűségek szingulárisak egymásra, ha úgy, hogy és Általában egy diszkrét és egy abszolút folytonos szinguláris egymásra nézve. PÉLDA Példa: Folytonos és szinguláris eloszlásfüggvény a Lebesgue-mértékre nézve az ún. Cantor-függvény: A Cantor-féle triadikus halmaz elkészítésekor az -edik lépésben éppen intervallumot vettünk ki a intervallumból. Jelölje ezeket sorban Ekkor legyen Az függvényt Cantor függvénynek nevezzük. monoton növekvő, majdnem mindenütt és nem abszolút folytonos. 2. Valószínűségi VÁLTOZÓ TRANsZfORMÁcIÓJA, ELOsZLÁsTÍpUsOK Definíció: Legyen valószínűségi változó és valós függvény. Ha az függvény valószínűségi változó, akkor az transzformáltjának nevezzük. Megjegyzés: A transzformált eloszlásfüggvénye
5 Tétel: Ha differenciálható és akkor folytonos valószínűségi változó esetén folytonos valószínűségi változó, melynek sűrűségfüggvénye ahol Mint látni fogjuk nagyon sok becslés a hely- (lokációs, centrum) és a skálaparaméterre vonatkozik vagy arra vezeti vissza a problémákat. Mit is jelentenek ezek a paraméterek? Tudjuk, hogy a normális eloszlások esetén van az ún. standard normális eloszlás, amelynél az egyik paraméter az origóba esik, a másik pedig az egységgel egyezik meg. Ha egy ilyen eloszlású valószínűségi változóhoz tekintjük azokat az valószínűségi változókat, amelyek vele lineárisan függenek össze: akkor ismeretes, hogy ez a transzformáció geometriailag a mértékegység és a kezdőpont megváltoztatását jelenti, amelyek meghatározása a gyakorlati problémákban nagyon fontos. Mint könnyen látható az és az valószínűségi változók eloszlásfüggvényei között az összefüggés áll fenn. Definíció: Az és eloszlásfüggvények típusa megegyezik, ha valamely és konstansok mellett érvényes a azonosság. Megjegyzés: 1. A típushoz való tartozás relációja reflexív, szimmetrikus és tranzitív, így ekvivalenciareláció, amelyik osztályozást határoz meg az eloszlásfüggvények halmazán. 2. Azokat az eloszlásokat, amelyeknél a kezdőpont (a helyparaméter) az origóba esik, a mértékegység (a skálaparaméter) pedig a valós egység standard eloszlásoknak nevezzük, amelyek természetesen reprezentálják osztályukat. Ezek persze függenek a méréseknél használt "fizikai" mértékegységektől. 3. Valódinak nevezünk egy eloszlást, ha nem egy pontra koncentrált. Tétel: Ha az eloszlásfüggvények valamely sorozata gyengén konvergál az valódi eloszlásfüggvényhez, akkor az sorozat csupán egy az számsorozatok tetszőleges választása esetén az típushoz tartozó valódi eloszláshoz konvergálhat. Tétel: Az eloszlásfüggvények valamely sorozatára az
6 relációk akkor és csak akkor érvényesek egyidejűleg, ha ahol valós számsorozatok, pedig egy valódi eloszlásfüggvény. 3. VÁRHATÓ ÉRTÉK, MOMENTUMOK Definíció: 1. Ha az diszkrét valószínűségi változó lehetséges értékeinek a száma véges, azaz a lehetséges értékek akkor a mennyiséget várható értéknek nevezzük. 2. Ha az diszkrét valószínűségi változó lehetséges értékeinek számossága megszámlálhatóan végtelen, azaz a lehetséges értékek akkor a mennyiséget várható értéknek nevezzük, ha 3. Ha folytonos valószínűségi változó sűrűségfüggvénnyel, akkor a mennyiséget várható értéknek nevezzük, ha Az valószínűségi változó várható értékének a jelölése: Megjegyzés: A definícióban az abszolút konvergenciát, azért követeljük meg, hogy a várható érték egyértelmű legyen. A várható érték röviden MINTAFELADAT Példa: Legyen az értékét! valószínűségi változó egy dobókockával dobott pontszám. Határozzuk meg a várható
7 Megoldás: tehát MINTAFELADAT Feladat: Legyenek az valószínűségi változó lehetséges értékei és Határozzuk meg a várható értékét! Megoldás: Ez viszont nem abszolút konvergens, így nem létezik a várható érték. MINTAFELADAT Feladat: Legyen az valószínűségi változó eloszlásfüggvénye Határozzuk meg a várható értéket! Megoldás: Létezik a sűrűségfüggvénye: Tétel: Ha akkor
8 Tétel: Ha az valószínűségi változó transzformáltja, akkor Definíció: Az mennyiséget az valószínűségi változó szórásnégyzetének nevezzük. Jele: Definíció: A mennyiséget az valószínűségi változó szórásának nevezzük. Jele: Definíció: Az mennyiséget az valószínűségi változó -adik momentumának nevezzük. Definíció: Az mennyiséget az valószínűségi változó -adik centrális momentumának nevezzük. Tétel: és ekkor Megjegyzés: Az utóbbi két állítás hasonló (sőt formailag azonos) a tehetetlenségi nyomatékra vonatkozó közismert Steiner-tétellel, amely azt mondja ki, hogy egy egyenesen lévő tömegeloszlás tehetetlenségi nyomatéka valamely az egyenesre merőleges forgástengelyre vonatkozólag egyenlő a súlyponton áthaladó tengelyre vonatkozó tehetetlenségi nyomatéknak és a tengely súlyponttól mért távolsága négyzetösszegével, ha az össztömeg egységnyi; következésképpen a tehetetlenségi nyomaték akkor minimális, ha a forgástengely a súlyponton megy át. 4. NÉHÁNY DIsZKRÉT ELOsZLÁs És jellemzői Binomiális eloszlás Legyen és végezzünk el egy hosszúságú Bernoulli-kísérletsorozatot. Továbbá, legyen az esemény bekövetkezéseinek a száma. Ekkor eloszlása
9 ahol és és az valószínűségi változót binomiális eloszlásúnak nevezzük. Jelölés: Tétel:
10 Bizonyítás: A várható érték definíciója szerint (diszkrét véges eset) a binomiális tétel szerint. A szórásnégyzet meghatározása hasonló felhasználva, hogy Megjegyzés: A visszatevéses mintavétel binomiális eloszláshoz vezet. Poisson-eloszlás Legyen rögzített konstans és ekkor Az valószínűségi változót Poisson-eloszlásúnak nevezzük paraméterrel, ha eloszlása Jelölés: Tétel: Bizonyítás: A várható érték definíciója szerint (diszkrét végtelen eset) mert az exponenciális függvény sorfejtése szerint A szórásnégyzet meghatározása hasonló felhasználva, hogy Geometriai eloszlás
11 A binomiális eloszlás bevezetésekor használt jelölések mellett a valószínűségi változó jelentse az esemény első bekövetkezéséhez szükséges kísérletek számát. Az eloszlása Tétel: Megjegyzés: Az valószínűségi változót is szokás geometriai eloszlásúnak nevezni. Az eloszlása Tétel: Megjegyzés: Viszont és Tehát Ezzel beláttuk a geometriai eloszlás emlékezet nélküli tulajdonságát. 5. NÉHÁNY folytonos ELOsZLÁs És jellemzői Egyenletes eloszlás Legyen és Az egyenletes eloszlású az intervallumon, ha a sűrűségfüggvénye Jelölés:
12 Az eloszlásfüggvény
13 Tétel: Bizonyítás: Tehát a szórásnégyzet Megjegyzés: Az egyenletes eloszlás adja a geometriai valószínűségi mező elméleti alapját. Tétel: Ha szigorúan monoton növő eloszlásfüggvény és eloszlású, akkor egyenletes eloszlású a intervallumon. Fordítva, ha akkor éppen eloszlású. Bizonyítás: Legyen Exponenciális eloszlás Az exponenciális eloszlású paraméterrel, ha a sűrűségfüggvénye
14 Az eloszlásfüggvény Jelölés:
15 Tétel: Örökifjú tulajdonság: ahol Normális eloszlás Legyen Az normális eloszlású, ha a sűrűségfüggvénye Jelölés: Ha és akkor a valószínűségi változót standard normális eloszlásúnak nevezzük. Jelölje a sűrűségfüggvényét és az eloszlásfüggvényét Ha standard normális eloszlású, akkor az valószínűségi változó eloszlásfüggvényére jellemző, hogy
16 Tétel: Megjegyzés: 1. A függvény írja le a Gauss-görbét (haranggörbét). 2. és
17
18 Tétel: (Moivre-Laplace) Legyen a valószínűségi változó binomiális eloszlású és paraméterrel és egész, akkor
19 Bizonyítás: Legyen és A és valószínűségeket átalakítjuk és értékévé, azaz Azonban
20 Tehát Azonban Így Ha (ekkor akkor Mivel sűrűségfüggvény, ezért Tehát Q.E.D. Cauchy eloszlás Legyen Az Cauchy eloszlású, ha a sűrűségfüggvénye
21 Nem létezik a várható érték. Az eloszlásfüggvény Megjegyzés: Szokás a esetet (standard) Cauchy-eloszlásnak nevezni.
22 Weibull eloszlás A Weibull-eloszlás paramétereire többféle elterjedt jelölésrendszer van. Az eltérő jelölések használatát egyértelműen magyarázza, hogy a Weibull-eloszlás igen széles körben, a legkülönfélébb tudományterületeken alkalmazták, valamint a paramétereknek sokféle meghatározási módja is ismeretes és az egyes megoldásoknál a változók átírása jelentős egyszerűsítéseket eredményez. Mi a következőkben az jelölést alkalmazzuk a standard Weibull-eloszlás jelölésére. Ebből a lineáris transzformáltak eloszlása
23 A sűrűségfüggvény ábrája Tehát ez az eloszláscsalád háromparaméteres, amelyből a lényeges, hogy aszimmetrikus eloszlás. az ún. alakparaméter (típusparaméter). Viszont Megjegyzés: Az eloszlás esetén az exponenciális eloszlást, a Rayleigh eloszlás adja, míg közelében az eloszlás közel szimmetrikussá válik, és jól közelíti a normális eloszlást. Megfelelő paraméter választással az is elérhető, hogy a Weibull-eloszlás jól közelítse a lognormális és -eloszlásokat. Γ-eloszlás Legyen Az -eloszlású, ha a sűrűségfüggvénye Jelölés: Tétel: Megjegyzés: Ha akkor éppen az exponenciális eloszlást kapjuk.
24 A sűrűségfüggvény ábrája 6. A POIssON-ELOsZLÁs származtatása Tekintsük a következő tulajdonságokkal rendelkező időben lejátszódó folyamatot: legyenek a bekövetkezések egymástól függetlenek, hosszú intervallumon az intenzitás egyenletes (a bekövetkezések várható száma az intervallum hossza), míg egységnyi intervallumon a várható számuk Továbbá, nagyon kicsi intervallumon legfeljebb majdnem csak egyszer következik be. Az (kis ordó) jelölést alkalmazva folyamatunk matematikai modellje a következő: Megjegyzés: ha azt jelenti, hogy Legyen pontosan darab bekövetkezés hosszúságú intervallumon Ekkor A kezdeti feltételek pedig Továbbá, felírva nagyon kicsi intervallumra a folyamat tulajdonságait, a bekövetkezések várható száma alapján, a következő összefüggéseket kapjuk Ezeket behelyettesítve
25 Rendezzük át az egyenleteket: Ha akkor A második sorból rögtön adódik, hogy A Hasonlóan a kezdeti feltétel szerint pedig esetekre A kezdeti feltétel alapján Vezessük be a jelölést, ekkor Ebből rögtön adódik, hogy Általában pedig
26 Végül egy rögzített hosszúságú intervallumon, mivel a bekövetkezések várható száma megkapjuk a Poisson-eloszlást. 7. GENERÁTOR-, KARAKTERIsZTIKUs függvény Definíció: Legyen A egy nem-negatív egész értékű valószínűségi változó és legyen függvényt az generátorfüggvényének nevezzük. Tétel: Legyen és nem-negatív egész értékű valószínűségi változó, ekkor (a) konvergens, ha (b) és eloszlása akkor és csak akkor egyezik meg, ha (c) (d) és Definíció: Legyen valószínűségi változó a függvényt az karakterisztikus függvényének nevezzük. Tétel: Legyen és valószínűségi változó, ekkor (a) akkor és csak akkor, ha (b)
27 (c) ha létezik. Tétel: Ha a karakterisztikus függvény abszolút integrálható, akkor az valószínűségi változónak létezik a sűrűségfüggvénye, és 8. FELADATOK Megoldások: láthatók nem láthatók 1. Egy dobozban 5 piros és 3 kék golyó van. A dobozból visszatevéssel addig húzunk egy-egy golyót amíg pirosat nem húzunk vagy a húzások száma eléri a négyet, azaz maximum négyszer húzunk. Határozza meg értékét! 2. Egy mentőállomáson a segélykérések óránkénti számának az eloszlása (közelítőleg) ahol sem fog? Tudjuk, hogy 4 perce nem érkezett segélykérés. Mennyi a valószínűsége, hogy a következő 12 percben 3. Két pontot választunk találomra egy egységnyi hosszúságú szakaszon. Határozza meg a két pont távolságának szórását! 4. Az valószínűségi változó eloszlásfüggvénye Határozza meg az szórásnégyzetét!
28 5. Legyen normális eloszlású 0 várható értékkel és 3 szórással. Határozza meg sűrűségfüggvényét! 6. Az valószínűségi változó lehetséges értékei: 1, 2, 3, 4, 5. Tudjuk, hogy Határozza meg eloszlásfüggvényét! Határozza meg a és értékét! 7. Az valószínűségi változó eloszlásfüggvénye Határozza meg a értékét! 8. A gyár egyik részlegében apró szögeket készítenek. A szögeket automata gép csomagolja. A becsomagolt szögek mennyisége valószínűségi változó, amelynek várható értéke szórása A szögek számának eloszlása nem ismeretes. Legfeljebb mekkora a valószínűsége, hogy egy csomagban a szögek száma a várható értéktől többel tér el? -nel 9. Egy valószínűségi változó sűrűségfüggvénye Határozza meg a konstans és értékét!
29 10. Egy műhelyben 500 tengelyt gyártanak naponta, amelyek átmérője normális eloszlású, amelyre és Egy tengely akkor megfelelő, ha Az egy tengelyre jutó költség 4800Ft, míg az eladási ár 6300Ft. Mennyi a várható napi nyereség (nyereség = a jók számának megfelelő ár a napi költség)? a várható napi nyereség 11. Az valószínűségi változó eloszlásfüggvénye Határozza meg az konstanst és a valószínűségeket! 12. Az valószínűségi változó eloszlásfüggvénye Határozza meg az értékét! 13. Az valószínűségi változó eloszlásfüggvénye Határozza meg az eloszlásfüggvényét!
30 14. Az valószínűségi változó sűrűségfüggvénye Határozza meg az eloszlásfüggvényét és értékét! 15. Két pontot választunk találomra egy egységnyi hosszúságú szakaszon. Határozza meg a két pont távolságának sűrűségfüggvényét! 16. Válasszunk az egységnégyzetben egy pontot véletlenszerűen. Jelölje a pontnak a négyzet legközelebbi oldalától való távolságát. Határozza meg sűrűségfüggvényét! 17. Egy rúd hossza közelítőleg normális eloszlású 32 egység várható értékkel és 0.2 szórással. Mennyi a valószínűsége, hogy a rúd hossza nagyobb, mint egység? 18. Az valószínűségi változó Poisson eloszlású, s Mennyi 19. Egy folytonos valószínűségi változó eloszlásfüggvénye
31 Határozza meg a konstans és értékét! 20. Egy valószínűségi változó egyenletes eloszlású a (-2,2) intervallumon. Határozza meg az eloszlásfüggvényét és az várható értékét! 21. Egy dobozban 5 piros és 3 kék golyó van. A dobozból visszatevéssel addig húzunk egy-egy golyót amíg pirosat nem húzunk vagy a húzások száma eléri az ötöt, azaz maximum ötször húzunk. Határozza meg eloszlásfüggvényét! 22. Az valószínűségi változó sűrűségfüggvénye Határozza meg az eloszlásfüggvényét!
32 23. Egy kockával háromszor dobunk egymás után. Az valószínűségi változó értéke legyen a hatos dobások száma. Határozza meg eloszlásfüggvényét, várható értékét és szórását! binomiális 24. Egy valószínűségi változó egyenletes eloszlású a (-1,2) intervallumon. Határozza meg az eloszlásfüggvényét és az várható értékét! 25. Két szabályos kockával játszunk. Jelölje a két kockával dobott számok kisebbikét. Határozza meg eloszlásfüggvényét! (Az üres összeg nulla.) 26. Egy urna 1000 fehér és 2000 fekete golyót tartalmaz. Visszatevéssel kihúznak 300-at. Adjon alsóbecslést annak a valószínűségére, hogy a fehérek száma a nyílt intervallumban lesz! 27. Az valószínűségi változó eloszlása
33 Határozza meg értékét! 28. Legyen exponenciális eloszlású 2 várható értékkel. Határozza meg eloszlásfüggvényét! Digitális Egyetem, Copyright Fegyverneki Sándor, 2011
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:
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
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,
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 :
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:
36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25
Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;
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.
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,
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
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
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
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
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
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.
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
Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
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
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
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
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
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
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
Elméleti 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
A 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
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)
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:
[Biomatematika 2] Orvosi biometria
![[Biomatematika 2] Orvosi biometria](/thumbs/47/23623719.jpg "[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.
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az
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:
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.
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
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
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,
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
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
Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?
HIPERGEO. BINOM. POISSON 4.1. Egy üzletben 100-an vásárolnak, közülük 80-an rendelkeznek bankkártyával. A pénztárnál 10-en állnak sorba, mi a valószínűsége, hogy 7-nek lesz bankkártyája? 4.2. Egy üzletben
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
a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli. Igaz-e, hogy tetszőleges A, B és C eseményekre teljesül a A B \ C =
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
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
Analízis I. Vizsgatételsor
Analízis I. Vizsgatételsor Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v.0.6 RC 004 Forrás: Oláh Gábor: ANALÍZIS I.-II. VIZSGATÉTELSOR 2006-2007-/2
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:
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
(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,
Analízis I. beugró vizsgakérdések
Analízis I. beugró vizsgakérdések Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v1.7 Forrás: Dr. Weisz Ferenc: Prog. Mat. 2006-2007 definíciók
MITISZK Miskolc-Térségi Integrált Szakképző Központ
MITISZK Miskolc-Térségi Integrált Szakképző Központ VALÓSZÍNŰSÉG-SZÁMÍTÁS ÉS MATEMATIKAI STATISZTIKA FEGYVERNEKI SÁNDOR Miskolci Egyetem Gépészmérnöki és Informatikai Kar Készült a HEFOP-3.2.2-P.-2004-10-0011-/1.0
Gyakorló feladatok valószínűségszámításból végeredményekkel. a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli Mutassuk meg, hogy tetszőleges A és B eseményekre PA B PA+PB. Mutassuk
4. A negatív binomiális eloszlás
1 / 7 2011.03.17. 14:27 Virtuális laboratóriumok > 10. Bernoulli kísérletek > 1 2 3 4 5 6 4. Alapelmélet Tételezzük fel, hogy a véletlen kísérletünk, amit végrehajtunk Bernoulli kísérleteknek egy X = (X
minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
Matematika B4 VIII. gyakorlat megoldása
Matematika B4 VIII. gyakorlat megoldása 5.április 7.. Eloszlás- és sűrűségfüggvény Ha az X egy folytonos valószínűségi változó, akkor X-et jól jellemzi az eloszlás illetve a sűrűségfüggvénye. Az eloszlásfüggvény
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
Minden x > 0 és y 0 valós számpárhoz létezik olyan n természetes szám, hogy y nx.
1. Archimedesz tétele. Minden x > 0 és y 0 valós számpárhoz létezik olyan n természetes szám, hogy y nx. Legyen y > 0, nx > y akkor és csak akkor ha n > b/a. Ekkor elég megmutatni, hogy létezik minden
6. 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
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.
Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika
Bevezetés 1. előadás, 2015. február 11. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Heti 2 óra előadás + 2 óra
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:
Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy
Funkcionálanalízis. 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
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
Informatikai rendszerek modellezése Dr. Sztrik, János
Informatikai rendszerek modellezése Dr. Sztrik, János Informatikai rendszerek modellezése Dr. Sztrik, János Debreceni Egyetem Kelet-Magyarországi Informatika Tananyag Tárház Nemzeti Fejlesztési Ügynökség
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
A fontosabb definíciók
A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,
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,
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
Függvény határérték összefoglalás
Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis
1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy
/. Házi feladat. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy mindig igaz. (p (( p) q)) (( p) ( q)). Igazoljuk, hogy minden A, B és C halmazra A \ (B C) = (A \ B) (A \ C) teljesül.
4. SOROK. a n. a k (n N) a n = s, azaz. a n := lim
Példák.. Geometriai sor. A aq n = a + aq + aq 2 +... 4. SOROK 4. Definíció, konvergencia, divergencia, összeg Definíció. Egy ( ) (szám)sorozat elemeit az összeadás jelével összekapcsolva kapott a + a 2
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
A maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
Markov-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
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
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
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 \
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,
Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!
MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:
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
Nagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 5. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
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
Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK
Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK Sorozat fogalma Definíció: Számsorozaton olyan függvényt értünk, amelynek értelmezési tartománya a pozitív egész
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,
17. 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
Sorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)
Sorozatok I. DEFINÍCIÓ: (Számsorozat) A számsorozat olyan függvény, amelynek értelmezési tartománya a pozitív egész számok halmaza, értékkészlete a valós számok egy részhalmaza. Jelölés: (a n ), {a n }.
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
MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2005
2005 1. * Halmazok, halmazműveletek, nevezetes ponthalmazok 2. Számhalmazok, halmazok számossága 3. Hatványozás, hatványfüggvény 4. Gyökvonás, gyökfüggvény 5. A logaritmus. Az exponenciális és a logaritmus
Fraktálok. Klasszikus fraktálpéldák I. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék
Fraktálok Klasszikus fraktálpéldák I Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 86 Bevezetés. 2 of 86 TARTALOMJEGYZÉK Bevezetés. Az önhasonlóságról intuitív módon Klasszikus
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.
Számelmélet Megoldások
Számelmélet Megoldások 1) Egy számtani sorozat második tagja 17, harmadik tagja 1. a) Mekkora az első 150 tag összege? (5 pont) Kiszámoltuk ebben a sorozatban az első 111 tag összegét: 5 863. b) Igaz-e,
KOVÁCS BÉLA, MATEMATIKA II.
KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor
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
f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva
6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
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
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,
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:
1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0
I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)
Tartalomjegyzék Szitaformulák Példák a szitaformulára Mintavételezés Bayes-tétel... 17
Valószínűségszámítás Földtudomány szak, 2015/2016. tanév őszi félév Backhausz Ágnes (ELTE TTK Valószínűségelméleti és Statisztika Tanszék)1 Tartalomjegyzék 1. Valószínűségi mező 3 1.1. Példák valószínűségi
vásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az
1. Név:......................... Egy ABC-ben délután (5-t½ol 9 óráig) a vásárlók száma óránként 200 várható érték½u Poisson eloszlású valószín½uségi változó. A pénztáros egy vásárlót átlag 2 perc alatt
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,
Analízis II. Analízis II. Beugrók. Készítette: Szánthó József. kiezafiu kukac gmail.com. 2009/ félév
Analízis II. Analízis II. Beugrók Készítette: Szánthó József kiezafiu kukac gmail.com 2009/20 10 1.félév Analízis II. Beugrók Függvények folytonossága: 1. Mikor nevez egy függvényt egyenletesen folytonosnak?