Zárthelyi dolgozat feladatainak megoldása õsz
|
|
- Benedek Kocsis
- 8 évvel ezelőtt
- Látták:
Átírás
1 Zárthelyi dolgozat feladatainak megoldása õsz 1. Feladat 1. Milyen egységeket rendelhetünk az egyedi információhoz? Mekkora az átváltás közöttük? Ha 10-es alapú logaritmussal számolunk, a mértékegység hartley. Ha 2-es alapú logaritmussal számolunk, a mértékegység bit. Ha természetes (e) alapú logaritmussal számolunk, a mértékegység nat. A legfontosabb váltószám e mértékegységek között: 1 bit = 3,322 hartley. További váltószámok: 2. bit nat hartley bit 1 0,693 0,301 nat 1, ,434 hartley 3,322 2,303 1 Egy kéteseményes eseményrendszer entrópiájának maximuma van, amikor az egyik esemény valószínûsége: p 1 = A másik esemény valószínûsége pedig: p 2 = Az entrópia maximumának értéke ekkor: H max = 1 bit / szimbólum Mi a jelforrás hatásfoka, és mi a redundancia? Mi köze ezeknek a relevanciához? Hatásfok: e = H(x) / H max, azaz a forrásentrópia és annak lehetséges maximumának aránya Redundancia: R = 1 - e, azaz a forrás által kibocsájtott többletinformáció Relevancia: az információ szubjektív fontossága valamely szemlélõ számára. Nincs köze a hatásfokhoz és a redundanciához. Sorolja fel az entrópia függvény négy alapvetõ tulajdonságát. a. Minden változójában folytonos - a változókban bekövetkezõ kis változás a függvény értékének kis mértékû változását okozza. b. c. d. Szimmetrikus - a független változók tetszõlegesen felcserélhetõk, a függvény értéke nem függ azok sorrendjétõl. Additív - a függvény érték nem függ a független változók csoportosításától Szélsõérték - a függvénynek maximuma van, ha az egyes esemény ek valószínûségei valamennyien megegyeznek. Fogalmazza meg saját szavaival, hogy illesztõ kódolásnál mit jelent a kódolási arány! 6. A kódolási arány azt fejezi ki, hogy az egyes szimbólumok hoz rendelt - illesztõ -kód mennyire "rontotta el" az eredeti szimbólumok információ hordozõ képességét. Az átlagos szóhossz és a bit/szimbólumban kifejezett forrásentrópia hányadosa. Szokás a kódolás hatásfokának is nevezni. Az alapelvek tekintetében miben különbözik a Shanonn-Fano féle illesztõ kódolás a Huffmann-féle illesztõ kódolástól. A Shannon-Fano féle kódolás esetében az alapelvekbõl következik, hogy valamennyi szóhoz különbözõ hosszúságú kódot rendel, míg a Huffmann féle kódolás esetében alapelv, hogy a két legritkábban elõforduló szóhoz ugyanolyan hosszúságó kódot kell rendelni. 1 of :56
2 7. Van-e a Huffmann féle kódolásnak tömörítési tulajdonsága? (Feltétlenül indokolja és jellemezze!) 2. Feladat Igen, van tömörítési tulajdonsága. A Huffmann kód ugyanis a szóhosszúság tekintetében optimális kódot állít elõ, azaz bármely más kódolási stratégiáva l összevetve megállapíthatju, hogy az azzal elõállítható átlagos szóhossz legfeljebb olyan rövid, mint a Huffmann kódolással kapott átlagos szóhossz. Ebbõl következik, hogy a Huffmann kódolás bármely más kódoláshoz képest nem kevésbé "tömör" - általában tömörebb - kódot állít elõ, azaz tömörít. Rajzolja le egy kéteseményes eseményrendszer entrópia függvényét az egyik esemény valószínûségének függvényében. 3. feladat 1. Egy diszkrét információforrás hatelemû ábécéjének betûgyakoriságai a következõk: Betû Gyakoriság Valószínûség Egyedi információ A 53 C 80 D 97 E 81 Töltse ki a táblázat hiányzó oszlopait, azaz számítsa ki az egyes szimbólumok elõfordulási valószínûségeit, és a hozzájuk tartozó egyedi információ értékét. Számítsa ki a forrás entrópiát, a forrás hatásfokát és redundanciáját. (A számításokat legalább három tizedesjegy pontossággal végezze!) Valószínûség = Egyedi gyakoriság / szumma gyakoriság Egyedi információ = -log p i Betû Gyakoriság Valószínuség Egyedi információ A 53 0,141 0,850 Hartley 2,823 bit 0,067 1,176 Hartley 3,907 bit C 80 0,213 0,671 Hartley 2,229 bit D 97 0,259 0,587 Hartley 1,951 bit E 81 0,216 0,666 Hartley 2,211 bit 0,104 0,983 Hartley 3,265 bit 2 of :56
3 H(x) = - p i * log p i = 0,740 Hartley/betû = 2,457 bit/betû H max = log n = 0,778 Hartley/betû = 2,585 bit/betû e = H(x) / H max = 95,037 % R = 1-e = 4,963 % A kerekítésbõl származóan elképzelhetõk eltérések - pl. valaki 3 tizedesjegynél pontosabban pontosabban számolt, vagy kerekítés helyett csonkította az eredményt. Ez nem hiba. Az egy százalék potosságon belüli eredményeket elfogadtam. Szerkesszen ehhez a forráshoz Huffmann féle illesztõ kódot. (Ti.: a Huffmann fát és a kódkiosztást táblázatosan) A fa generálálásának lépései: a.) F és B összevonása D E C A b.) Újrarendezés - [F,B] és A megcserélése. [F,B] és A összevonása. D E C A c.) Újrarendezés - [F,B, A] legfelülre kerül. C és E összevonása A D E C d.) Újrarendezés - [E,C] legfelülre kerül. [F,B,A] és D összevonása. E C A D e.) Újrarendezés - [F,B,A,D] legfelülre kerül. 3 of :56
4 A D E C f.) A kód kiosztása a generált táblázat alapján: F B A 001 D 01 E 10 C A táblázat alapján még egy kódkiosztást létre lehet hozni: ebben a '0' és '1' bitek szerepe felcserélõdik, azaz minden egyes kódszó a fenti táblázatban szereplõ megfelelõ kódszó negáltja. A dolgozatokban mindkét kódkiosztást helyesnek fogadtam el - de csakis ezeket! Határozza meg az illesztõ kód entrópiáját, hatásfokát és redundanciáját, valamint a kódolási arányt. A számításokat legalább három tizedesjegy pontossággal végezze. a.) A kódolási arány kiszámításához 2. pontban generált kód alapján meg kell határoznunk meg az egyes kódszavak hosszát és elõfordulási gyakoriságukat vagy valószínûségüket. Emellett az illesztõ kód karakterisztikájának meghatározásához szükségünk lesz az egyes kódszavak által tartalmazott '0' és '1' bitek számára is. Szükségünk lesz tehát az alábbi táblázatra: Betû Gyakoriság Valószínuség Kód Szóhossz 0 bitek 1 bitek A 53 0, bit 2 1 0, bit 3 1 C 80 0, bit 0 2 D 97 0, bit 1 1 E 81 0, bit 1 1 0, bit 4 0 Átlagos szóhossz: L = 2,483 bit/betû Kódolási arány: H(x) / L = 2,457 / 2,483 = 98,953 % 0 bitek elõfordulási aránya: 55,317% 0 bitek által hordozott információ: I 0 = 0,854 bit 1 bitek elõfordulási aránya: 44,683% 1 bitek által hordozott információ: I 1 = 1,162 bit Az illesztõ kódolás entrópiája: H ill = 0,55317*0, ,44683*1,162 = 0,992 bit / számjegy A kód lehetséges entrópiájának maximuma: H max = 1 bit/számjegy (mint az közismert) A kód hatásfoka: e = 99,2% A kód redundanciája: R = 1-e= 0,8% [Tóth Gergely] 4 of :56
5 Kódelmélet vizsga: 1. Felbontható-e a következõ kód? Indokold! {10,11,011,010,001} 2. Adj prefix kódot az ismert algoritmus szerint: {0.5;0.25;0.125;0.125} 3. Egészítsd ki lineáris kóddá: {1001,1100} 4. Adj kódot, mely nem prefix, de felbontható 5. Adj hibajavító kódot, mely 2 hibát javít 10 biten! 6. Adj ekvivalens prefix kódot a következõ kódhoz: {01,011,0111}. A tanult algoritmust használd! 7. Adj optimális kódot, ha a valószínûségek: {0.5;0.25;0.125;0.125}. A Huffman algoritmust használd! 8. Adj kódot az egyszerûsített Shannon-Fano kódra, ha a valószínûségek {0.51;0.25;0.124;0.125} 9. Add meg egy generátor mátrixát a következõ lineáris kódnak: {1000,0001,1001,0000} 10. Mekkora minimum a következõ valószínûségekhez tartozó kód költsége?: {0.51;0.25;0.124;0.125}
6 Zárthelyi dolgozat feladatainak megoldása október 1. feladat - Fogalmak és definíciók - 20 pont Válaszoljon röviden az alábbi kérdésekre: a. Mit jelent az diszkrét véges valószínûségi modell? Mikor alkalmazható? Léteznek-e ezen kívül más forrásmodellek is? (Indokolja.) (2 pont) Diszkrét, véges valószínûségi modellben a lehetséges események száma véges, és a rendszer mûködését diszkrét pillanatokban vizsgáljuk. Ráadásul kikötöttük, hogy az egyes események egymástól függetlenül következnek be. Igen, léteznek más forrásmodellek is. Például tekinthetünk egy olyan információ forrást, amely folytonosan bocsájt ki magából "szimbólumokat", vagy olyat, ahol az egyes események nem függetlenek egymástól. Utóbbira jó példa például a képek tömörítésénél használt modell, amikor a szomszédos képpontok színe nem független egymástól. b. Mikor teljes egy eseményrendszer? (2 pont) Egy eseményrendszer teljes, ha az egyes elemi események bekövetkezési valószínûségeinek összege 1. Más szóval, ha az az esemény, hogy a felsorolt események valamelyike bekövetkezik, a biztos esemény. Más szóval, ha nincs olyan nem nulla valószínûségû esemény, amelyet az eseményrendszer megadásakor nem vettünnk figyelembe. c. Mi a Shannon-féle egyedi információ definíciója (képlettel), mi a mértéke és hogyan függenek össze a különbözõ egységei? (2 pont) Ha 10-es alapú logaritmussal számolunk, a mértékegység hartley. Ha 2-es alapú logaritmussal számolunk, a mértékegység bit. Ha természetes (e) alapú logaritmussal számolunk, a mértékegység nat. A legfontosabb váltószám e mértékegységek között: 1 bit = 3,322 hartley. d. Mi a jelforrás hatásfoka, és mi a redundancia? (2 pont) 1 of :16
7 Hatásfok: a tényleges entrópia és lehetséges maximumának viszonya: A "többletinformáció" - vagyis a lehetséges maximum eléréséhez szükséges információ - és az entrópia lehetséges maximumának arányát nevezzük relatív redundanciának. e. Sorolja fel az entrópiafüggvény négy alapvetõ tulajdonságát! (8 pont) i. ii. iii. iv. Minden változójában folytonos - a változókban bekövetkezõ kis változás a függvény értékének kis mértékû változását okozza. Szimmetrikus - a független változók tetszõlegesen felcserélhetõk, a függvény értéke nem függ azok sorrendjétõl. Additív - újabb független változók - események - bevezetésével az entrópia nem csökken Szélsõérték - a függvénynek maximuma van, ha az egyes esemény ek valószínûségei valamennyien megegyeznek. f. Fogalmazza meg saját szavaival, hogy illesztõ kódolásnál mit jelent a kódolási arány! (2 pont) A kódolási arány azt fejezi ki, hogy az egyes szimbólumokhoz rendelt - illesztõ - kód mennyire "rontotta el" az eredeti szimbólumok információ hordozõ képességét. Az átlagos szóhossz és a bit/szimbólumban kifejezett forrásentrópia hányadosa. Szokás a kódolás hatásfokának is nevezni. g. Melyek a Shannon-Fano féle illesztõ kódolás alapelvei? Miben különböznek ettõl a Huffman-féle illesztõ kódolás elvei? (2 pont) A Shannon-Fano kódolás két alapelve: 1. A forrásszimbólumokhoz változó hosszúságú (bináris) kódszavakat rendel, méghozzá a gyakoriságok függvényében (Gyakoribb szimbólumhoz rövidebb kódszó tartozik) 2. A kódnak irreducibilisnak (azaz egyértelmuen megfejthetonek, szeparábilisnak) kell lennie akkor is, ha a kódszavakat semmilyen megkülönbözteto jel nem választja el egymástól. Az irreducibilitás feltétele, hogy egyik kódszó se forduljon elõ más kódszó kezdeteként. A Huffmann kódolás még egy alapelvvel egészül ki:. 3. A két legkisebb gyakoriságú forrásszimbólumhoz azonos hosszúságú kódszavakat kell hozzárendelni 2. Feladat - Számítási példa - 30 pont Egy diszkrét információforrás ötelemû forrásábécével rendelkezik és a forrásábécé egyes 2 of :16
8 betûihez rendelt valószínûségek a következõk: p A = 10%; p B = 15%; p C = 20%; p D = 25% és p E = 30% a. Állapítsa meg, hogy teljes-e ez az eseményrendszer. (Indokolja is!) (5 pont) 10% + 15% + 20% + 25% + 30% = 100% tehát az eseményrendszer teljes b. Számítsa ki a forrás karakterisztikáját, azaz a forrásentrópia értékét, a forrás hatásfokát és a redundanciát! (20 pont) p i I i = -log 10 p i I i = -log 2 p i A 10% 1,0000 hartley 3,3219 bit B 15% 0,8239 hartley 2,7370 bit C 20% 0,6990 hartley 2,3219 bit D 25% 0,6021 hartley 2,0000 bit E 30% 0,5229 hartley 1,7370 bit H(x) = 0,6708 hartley/szimb H max = 0,6990 hartley/szimb e = 95,96% R = 4,04% 2,2282 bit/szimb 2,3219 bit/szimb A dolgozatban akár a hartley-ben, akár a bitben kiszámított eredményt elfogadom: nem volt kötelezõ mindkettõben kiszámolni. A kerekítésbõl származóan elképzelhetõk eltérések - pl. valaki 4 tizedesjegynél pontosabban pontosabban számolt, vagy kerekítés helyett csonkította az eredményt. Ez nem hiba. Az egy százalék potosságon belüli eredményeket elfogadtam. c. Hogyan változnak meg ezek a számított értékek akkor, ha az A esemény és a D esemény valószínûségeit felcseréli? (Indokolja is szóban.) (5 pont) Mivel az entrópia függvény szimmetrikus, az eredményt nem befolyásolja a változók sorrendje. Tehát az A és D események felcserésélével az entrópia értéke és az abból számított többi érték (hatásfok, redundancia) változatlan marad. 3. Feladat - Számítási példa - 50 pont a. Egy diszkrét információforrás ötelemû ábécéjének betûgyakoriságai a következõk: Betû Gyakoriság Számítsa ki a forrás karakterisztikáját, azaz a forrásentrópia értékét, a forrás hatásfokát és a redundanciát! (20 pont) 3 of :16
9 Az egyedi valószínûségek kiszámításához a Valószínûség = Egyedi gyakoriság / szumma gyakoriság formulát kell használnunk BetûGyakoriság p i I i = -log 10 p i I i = -log 2 p i 0,20 0,6990 hartley 2,3219 bit 0,35 0,4559 hartley 1,5146 bit 0,10 1,0000 hartley 3,3219 bit 0,30 0,5229 hartley 1,7370 bit 0,05 1,3010 hartley 4,3219 bit 300 H(x) = 0,6213 hartley/szimb H max = 0,6990 hartley/szimb e = 88,89% R = 11,11% 2,0639 bit/szimb 2,3219 bit/szimb A részfeladat megoldását akár hartley-ban, akár bitben kifejezve elfogadom. Viszont felhívom a figyelmet, hogy a (c) részfeladatban a kódolási arány számításához az entrópia értékét mindenképpen át kell váltani bitbe! A kerekítésbõl származóan elképzelhetõk eltérések - pl. valaki 4 tizedesjegynél pontosabban pontosabban számolt, vagy kerekítés helyett csonkította az eredményt. Ez nem hiba. Az egy százalék potosságon belüli eredményeket elfogadtam. b. Szerkesszen ehhez a forráshoz Huffman féle illesztõ kódot - azaz adja meg a Huffman fát és a kódkiosztást. (20 pont) A fa generálálásának lépései: 1. Rendezzük a szimbólumokat gyakoriságuk szerint csökkenõ sorrendbe: 2. Vonjuk össze az utolsó két szimbólumot (C-t és E-t), majd a következõ két legisebb értéket (A-t és CE-t)! Rendezzük a táblát a jobb oldali oszlop értékei szerint csökkenõ sorrendbe, majd vonjuk össze a két legkisebb elemet! A rendezésnél teljesen mindegy, hogy a két azonos értékû elem (B és ACE) közül melyiket vesszük elõbbre. Így viszont két lehetséges fát kapunk, amelyek mindegyikét elfogadtam helyes megoldásnak! 4 of :16
10 1. változat: változat: Végül illik még egyszer rendezni a táblázatot: 1. változat: változat: A táblázatok alapján a kódkiosztás: 1. változat: A 0 C E 1 D 1 B változat: B 0 D 1 A 0 C 0 E A : 000 B : 1 C : 0010 D : 01 E : 0011 A : 10 B : 00 C : 110 D : 01 E : 111 c. Határozza meg az illesztõ kódolás hatásfokát, valamint a kód kiegyenlítettségét! (10 pont) Az átlagos kódszóhosszúság az egyes esetekben az alábbiak szerint alakul: L = 0,2*3 + 0,35*1 + 0,1*4 + 0,3*2 + 0,05*4 = 2,15 bit/kódszó L = 0,2*2 + 0,35*2 + 0,1*3 + 0,3*2 + 0,05*3 = 2,15 bit/kódszó Látható, hogy mindkét kódra ugyanaz az átlagos kódszó hosszúság, ezért mindketten lehetnek optimális kódszóhosszúságú kódok A kódolás hatásfoka: e kód = H(x)/L = 2,0639 / 2,1500 = 95,99% A kód kiegyenlítettsége: Betû p i kódszó 0 bitek 1 bitek Betû pi kódszó 0 bitek 1 bitek A 0, A 0, B 0, B 0, C 0, C 0, D 0, D 0, E 0, E 0, of :16
11 1,3 0,85 1,4 0,75 Innen a 0 és 1 bitek relatív gyakoriságára adódik: Innen a 0 és 1 bitek relatív gyakoriságára adódik: p 0 = 1,3 / (1,3+0,85) = 60,47% p 1 = 0,85 / (1,3+0,85) = 39,53 % Az egyes bitek által hordozott egyedi információ: I 0 = 0,7258 bit I 1 = 1,3388 bit p 0 = 1,4 / (1,4+0,75) = 65,12% p 1 = 0,75 / (1,4+0,75) = 34,88 % Az egyes bitek által hordozott egyedi információ: I 0 = 0,6189 bit I 1 = 1,5194 bit Az illesztõ kódolás entrópiája: H ill = 0,6047*0,7258Az illesztõ kódolás entrópiája: H ill = 0,6512*0, ,3953*1,3388 = 0,9682 bit / számjegy + 0,3488*1,5194 = 0,9330 bit / számjegy A kód lehetséges entrópiájának maximuma: H max A kód lehetséges entrópiájának maximuma: H max = 1 bit/számjegy = 1 bit/számjegy (mint az közismert) (mint az közismert) A kód hatásfoka: e = 96,82% A kód redundanciája: R = 1-e= 3,18% A kód hatásfoka: e = 93,30% A kód redundanciája: R = 1-e= 6,70% [Tóth Gergely] 6 of :16
Informatikai Rendszerek Alapjai
Informatikai Rendszerek Alapjai Dr. Kutor László A redundancia fogalma és mérése Minimális redundanciájú kódok 1. http://uni-obuda.hu/users/kutor/ IRA 2014 könyvtár Óbudai Egyetem, NIK Dr. Kutor László
RészletesebbenA továbbiakban Y = {0, 1}, azaz minden szóhoz egy bináris sorozatot rendelünk
1. Kódelmélet Legyen X = {x 1,..., x n } egy véges, nemüres halmaz. X-et ábécének, elemeit betűknek hívjuk. Az X elemeiből képzett v = y 1... y m sorozatokat X feletti szavaknak nevezzük; egy szó hosszán
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2018. ősz 1. Diszkrét matematika 3. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenAz Informatika Elméleti Alapjai
Az Informatika Elméleti Alapjai dr. Kutor László Az üzenet információ-tartalma, redundanciája Minimális redundanciájú kódok http://mobil.nik.bmf.hu/tantárgyak/iea.html Felhasználónév: iea Jelszó: IEA07
RészletesebbenAz Informatika Elméleti Alapjai
Az Informatika Elméleti Alapjai dr. Kutor László Minimális redundanciájú kódok Statisztika alapú tömörítő algoritmusok http://mobil.nik.bmf.hu/tantargyak/iea.html Felhasználónév: iea Jelszó: IEA07 BMF
RészletesebbenAz Informatika Elméleti Alapjai
Az Informatika Elméleti Alapjai Dr. Kutor László Az üzenet információ-tartalma és redundanciája Minimális redundanciájú kódok Statisztika alapú tömörítő algoritmusok http://mobil.nik.bmf.hu/tantargyak/iea.html
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 207. tavasz. Diszkrét matematika 2.C szakirány 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 207.
RészletesebbenAz Informatika Elméleti Alapjai
Az Informatika Elméleti Alapjai dr. Kutor László Az üzenet információ-tartalma és redundanciája Tömörítő algoritmusok elemzése http://mobil.nik.bmf.hu/tantárgyak/iea.html Felhasználónév: iea Jelszó: IEA07
Részletesebben2013.11.25. H=0 H=1. Legyen m pozitív egészre {a 1, a 2,, a m } különböző üzenetek halmaza. Ha az a i üzenetet k i -szer fordul elő az adásban,
Legyen m pozitív egészre {a 1, a 2,, a m } különböző üzenetek halmaza. Ha az a i üzenetet k i -szer fordul elő az adásban, akkor a i (gyakorisága) = k i a i relatív gyakorisága: A jel információtartalma:
RészletesebbenAlapfogalmak a Diszkrét matematika II. tárgyból
Alapfogalmak a Diszkrét matematika II. tárgyból (A szakirány, 2015-2016 tavaszi félév) A számonkérés során ezeknek a definícióknak, tételkimondásoknak az alapos megértését is számon kérjük. A példakérdések
RészletesebbenKÓDOLÁSTECHNIKA PZH. 2006. december 18.
KÓDOLÁSTECHNIKA PZH 2006. december 18. 1. Hibajavító kódolást tekintünk. Egy lineáris bináris blokk kód generátormátrixa G 10110 01101 a.) Adja meg a kód kódszavait és paramétereit (n, k,d). (3 p) b.)
RészletesebbenMohó algoritmusok. Példa:
Mohó algoritmusok Optimalizálási probléma megoldására szolgáló algoritmus sokszor olyan lépések sorozatából áll, ahol minden lépésben adott halmazból választhatunk. Ezt gyakran dinamikus programozás alapján
Részletesebbendolás, felbontható kód Prefix kód Blokk kódk Kódfa
Kódelméletlet dolás dolás o Kódolás o Betőnk nkénti nti kódolk dolás, felbontható kód Prefix kód Blokk kódk Kódfa o A kódok k hosszának alsó korlátja McMillan-egyenlıtlens tlenség Kraft-tételetele o Optimális
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2018. ősz 1. Diszkrét matematika 3. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenHibajavító kódolás (előadásvázlat, 2012. november 14.) Maróti Miklós
Hibajavító kódolás (előadásvázlat, 2012 november 14) Maróti Miklós Ennek az előadásnak a megértéséhez a következő fogalmakat kell tudni: test, monoid, vektortér, dimenzió, mátrixok Az előadáshoz ajánlott
Részletesebben13. Egy x és egy y hosszúságú sorozat konvolúciójának hossza a. x-y-1 b. x-y c. x+y d. x+y+1 e. egyik sem
1. A Huffman-kód prefix és forráskiterjesztéssel optimálissá tehető, ezért nem szükséges hozzá a forrás valószínűség-eloszlásának ismerete. 2. Lehet-e tökéletes kriptorendszert készíteni? Miért? a. Lehet,
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2016. ősz 1. Diszkrét matematika 2.C szakirány 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2016.
Részletesebbenfüggvény grafikonja milyen transzformációkkal származtatható az f0 : R R, f0(
FÜGGVÉNYEK 1. (008. okt., 14. fel, 5+7 pont) Fogalmazza meg, hogy az f : R R, f ( x) x 1 függvény grafikonja milyen transzformációkkal származtatható az f0 : R R, f0( x) x függvény grafikonjából! Ábrázolja
RészletesebbenSorozatok 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 }.
RészletesebbenChomsky-féle hierarchia
http://www.ms.sapientia.ro/ kasa/formalis.htm Chomsky-féle hierarchia G = (N, T, P, S) nyelvtan: 0-s típusú (általános vagy mondatszerkezetű), ha semmilyen megkötést nem teszünk a helyettesítési szabályaira.
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2016. ősz 1. Diszkrét matematika 3. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Részletesebben1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba
Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
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
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
RészletesebbenBrósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II.
Sorozatok II. DEFINÍCIÓ: (Mértani sorozat) Az (a n ) valós számsorozatot mértani sorozatnak nevezzük, ha van olyan valós szám, amellyel a sorozat bármely tagját megszorozva a következő tagot kapjuk. Jelöléssel:
Részletesebben1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont)
1. tétel 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója cm. Mekkora a háromszög átfogója? (4 pont). Adott az ábrán két vektor. Rajzolja meg a b, a b és az a b vektorokat! (6 pont)
RészletesebbenEgész számok. pozitív egész számok: 1; 2; 3; 4;... negatív egész számok: 1; 2; 3; 4;...
Egész számok természetes számok ( ) pozitív egész számok: 1; 2; 3; 4;... 0 negatív egész számok: 1; 2; 3; 4;... egész számok ( ) 1. Írd a következõ számokat a halmazábra megfelelõ helyére! 3; 7; +6 ; (
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x
RészletesebbenKvantumcsatorna tulajdonságai
LOGO Kvantumcsatorna tulajdonságai Gyöngyösi László BME Villamosmérnöki és Informatikai Kar Informáci cióelméleti leti alapok összefoglalásasa Valószínűségszámítási alapok Egy A és egy B esemény szorzatán
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2016. ősz 1. Diszkrét matematika 1. középszint 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
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
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenAz információelmélet alapjai, biológiai alkalmazások. 1. A logaritmusfüggvény és azonosságai
Az információelmélet alapjai, biológiai alkalmazások 1. A logaritmusfüggvény és azonosságai 2 k = N log 2 N = k Például 2 3 = 8 log 2 8 = 3 10 4 = 10000 log 10 10000 = 4 log 2 2 = 1 log 2 1 = 0 log 2 0
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
Részletesebben(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,
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
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2018. ősz 1. Diszkrét matematika 3. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenInformációk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása
1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. 2019. május 3. 1. Diszkrét matematika 2. 10. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Mérai László diái alapján Komputeralgebra Tanszék 2019. május
Részletesebbenb) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2
1) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) b) c) ( ) ) Határozza meg az 1. feladatban megadott, ; intervallumon
Részletesebben1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI
/ Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI /. Legyen adott az alábbi LP-feladat: x + 4x + x 9 x + x x + x + x 6 x, x, x x + x +
RészletesebbenÉrettségi feladatok: Függvények 1/9
Érettségi feladatok: Függvények 1/9 2003. Próba 1. Állapítsa meg a valós számok halmazán értelmezett x x 2-2x - 8 függvény zérushelyeit! 2004. Próba 3. Határozza meg a valós számok halmazán értelmezett
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenMűveletek mátrixokkal. Kalkulus. 2018/2019 ősz
2018/2019 ősz Elérhetőségek Előadó: (safaro@math.bme.hu) Fogadóóra: hétfő 9-10 (H épület 3. emelet 310-es ajtó) A pontos tárgykövetelmények a www.math.bme.hu/~safaro/kalkulus oldalon találhatóak. A mátrix
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 8. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Elemi számelmélet Diszkrét matematika I. középszint
RészletesebbenAz egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?
1. Írja fel annak az egyenesnek az egyenletét, amely áthalad az (1; 3) ponton, és egyik normálvektora a (8; 1) vektor! Az egyenes egyenlete: 2. Végezze el a következő műveleteket, és vonja össze az egynemű
RészletesebbenHibajavító kódok május 31. Hibajavító kódok 1. 1
Hibajavító kódok 2007. május 31. Hibajavító kódok 1. 1 Témavázlat Hibajavító kódolás Blokk-kódok o Hamming-távolság, Hamming-súly o csoportkód o S n -beli u középpontú t sugarú gömb o hibajelzı képesség
Részletesebben1/12. 3. gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI
/ Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI Normál feladatok megoldása szimplex módszerrel / / Normál feladatok megoldása szimplex
RészletesebbenBrósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I.
Számelmélet I. DEFINÍCIÓ: (Osztó, többszörös) Ha egy a szám felírható egy b szám és egy másik egész szám szorzataként, akkor a b számot az a osztójának, az a számot a b többszörösének nevezzük. Megjegyzés:
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Részletesebben2) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont)
(11/1) Függvények 1 1) Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon! (pont) ) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont) 3) Ábrázolja + 1 - függvényt a [ ;] -on! (3pont)
RészletesebbenAlgoritmuselmélet 6. előadás
Algoritmuselmélet 6. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 4. ALGORITMUSELMÉLET 6. ELŐADÁS 1 Hash-elés
RészletesebbenDiszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenFüggvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
RészletesebbenDiszkrét matematika II. feladatok
Diszkrét matematika II. feladatok 1. Gráfelmélet 1.1. Könnyebb 1. Rajzold le az összes, páronként nem izomorf 3, 4, illetve 5 csúcsú egyszerű gráfot! 2. Van-e olyan (legalább kétpontú) gráf, melyben minden
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
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.
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
RészletesebbenAz Informatika Elméleti Alapjai
Az Informatika Elméleti Alapjai dr. Kutor László Törtszámok bináris ábrázolása, Az információ értelmezése és mérése http://mobil.nik.bmf.hu/tantargyak/iea.html Felhasználónév: iea Jelszó: IEA07 BMF NIK
RészletesebbenDinamikus programozás - Szerelőszalag ütemezése
Dinamikus programozás - Szerelőszalag ütemezése A dinamikus programozás minden egyes részfeladatot és annak minden részfeladatát pontosan egyszer oldja meg, az eredményt egy táblázatban tárolja, és ezáltal
RészletesebbenM. 33. Határozza meg az összes olyan kétjegyű szám összegét, amelyek 4-gyel osztva maradékul 3-at adnak!
Magyar Ifjúság 6 V SOROZATOK a) Három szám összege 76 E három számot tekinthetjük egy mértani sorozat három egymás után következő elemének vagy pedig egy számtani sorozat első, negyedik és hatodik elemének
RészletesebbenBevezetés az informatikába Tételsor és minta zárthelyi dolgozat 2014/2015 I. félév
Bevezetés az informatikába Tételsor és minta zárthelyi dolgozat 2014/2015 I. félév Az informatika története (ebből a fejezetből csak a félkövér betűstílussal szedett részek kellenek) 1. Számítástechnika
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2016. ősz 1. Diszkrét matematika 1. középszint 8. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
Részletesebben1. Ábrázolja az f(x)= x-4 függvényt a [ 2;10 ] intervallumon! (2 pont) 2. Írja fel az alábbi lineáris függvény grafikonjának egyenletét!
Függvények 1 1. Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon!. Írja fel az alábbi lineáris függvény grafikonjának egyenletét! 3. Ábrázolja + 1 - függvényt a [ ;] -on! 4. Az f függvényt a valós
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
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenEgyenletek, egyenlőtlenségek V.
Egyenletek, egyenlőtlenségek V. DEFINÍCIÓ: (Másodfokú egyenlet) Az ax + bx + c = 0 alakban felírható egyenletet (a, b, c R; a 0), ahol x a változó, másodfokú egyenletnek nevezzük. TÉTEL: Az ax + bx + c
RészletesebbenKalkulus I. gyakorlat Fizika BSc I/1.
. Ábrázoljuk a következő halmazokat a síkon! {, y) R 2 : + y < }, b) {, y) R 2 : 2 + y 2 < 4}, c) {, y) R 2 : 2 + y 2 < 4, + y < }, {, y) R 2 : + y < }. Kalkulus I. gyakorlat Fizika BSc I/.. gyakorlat
RészletesebbenD I G I T Á L I S T E C H N I K A G Y A K O R L Ó F E L A D A T O K 1.
D I G I T Á L I S T E C H N I K A G Y A K O R L Ó F E L A D A T O K 1. Kötelezően megoldandó feladatok: A kódoláselmélet alapjai részből: 6. feladat 16. feladat A logikai függvények részből: 19. feladat
RészletesebbenPRÓBAÉRETTSÉGI MATEMATIKA. 2003. május-június KÖZÉPSZINT JAVÍTÁSI ÚTMUTATÓ. Vizsgafejlesztő Központ
PRÓBAÉRETTSÉGI 00. május-június MATEMATIKA KÖZÉPSZINT JAVÍTÁSI ÚTMUTATÓ Vizsgafejlesztő Központ Kedves Kolléga! Kérjük, hogy a dolgozatok javítását a javítási útmutató alapján végezze, a következők figyelembevételével.
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
RészletesebbenShannon és Huffman kód konstrukció tetszőleges. véges test felett
1 Shannon és Huffman kód konstrukció tetszőleges véges test felett Mire is jók ezek a kódolások? A szabványos karakterkódolások (pl. UTF-8, ISO-8859 ) általában 8 biten tárolnak egy-egy karaktert. Ha tudjuk,
RészletesebbenKOVÁCS 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
RészletesebbenA valós számok halmaza
VA 1 A valós számok halmaza VA 2 A valós számok halmazának axiómarendszere és alapvető tulajdonságai Definíció Az R halmazt a valós számok halmazának nevezzük, ha teljesíti a következő axiómarendszerben
Részletesebben19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI
19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI Ebben a fejezetben aszimptotikus (nagyságrendi) alsó korlátot adunk az összehasonlításokat használó rendező eljárások lépésszámára. Pontosabban,
RészletesebbenOperációkutatás vizsga
Operációkutatás vizsga A csoport Budapesti Corvinus Egyetem 2007. január 9. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS
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 :
RészletesebbenA mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015
A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel
Részletesebben;3 ; 0; 1 7; ;7 5; 3. pozitív: ; pozitív is, negatív is: ;
. A racion lis sz mok A tanult sz mok halmaza A) Ábrázold számegyenesen az alábbi számokat! 8 + + 0 + 7 0 7 7 0 0. 0 Válogasd szét a számokat aszerint, hogy pozitív: pozitív is, negatív is: negatív: sem
RészletesebbenÁGAZATI SZAKMAI ÉRETTSÉGI VIZSGA VILLAMOSIPAR ÉS ELEKTRONIKA ISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MINTAFELADATOKHOZ
VILLAMOSIPAR ÉS ELEKTRONIKA ISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MINTAFELADATOKHOZ I. feladatlap Egyszerű, rövid feladatok megoldása Maximális pontszám: 40. feladat 4 pont
RészletesebbenFelvételi tematika INFORMATIKA
Felvételi tematika INFORMATIKA 2016 FEJEZETEK 1. Természetes számok feldolgozása számjegyenként. 2. Számsorozatok feldolgozása elemenként. Egydimenziós tömbök. 3. Mátrixok feldolgozása elemenként/soronként/oszloponként.
RészletesebbenSorozatok. 5. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Sorozatok p. 1/2
Sorozatok 5. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Sorozatok p. 1/2 A sorozat definíciója Definíció. A természetes számok halmazán értelmezett valós értékű a: N R függvényt
RészletesebbenGyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi
Gyakorló feladatok Agbeko Kwami Nutefe és Nagy Noémi 25 Tartalomjegyzék. Klasszikus hibaszámítás 3 2. Lineáris egyenletrendszerek 3 3. Interpoláció 4 4. Sajátérték, sajátvektor 6 5. Lineáris és nemlineáris
Részletesebben1. szemináriumi. feladatok. Ricardói modell Bevezetés
1. szemináriumi feladatok Ricardói modell Bevezetés Termelési lehetőségek határa Relatív ár Helyettesítési határráta Optimális választás Fogyasztási pont Termelési pont Abszolút előny Komparatív előny
RészletesebbenFÜGGVÉNYTANI ALAPOK A) ÉRTELMEZÉSI TARTOMÁNY
FÜGGVÉNYTANI ALAPOK Foglalkoztunk az alaptulajdonságnak tekinthető értelmezési tartománnyal, és a paritással, továbbá az összetett függvények képzési módjával, illetve ezeknek az elemi függvényekre való
RészletesebbenVéletlenszám generátorok és tesztelésük. Tossenberger Tamás
Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél
RészletesebbenAlgoritmuselmélet 1. előadás
Algoritmuselmélet 1. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 11. ALGORITMUSELMÉLET 1. ELŐADÁS 1 Források
RészletesebbenGauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
RészletesebbenNormák, kondíciószám
Normák, kondíciószám A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris egyenletrendszerek Nagyon sok probléma közvetlenül lineáris egyenletrendszer megoldásával kezelhetı Sok numerikus
RészletesebbenEllenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t
Ellenőrző kérdések 2. Kis dolgozat kérdései 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t 37. Ha t szintű indexet használunk,
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 1 I. HALmAZOk 1. JELÖLÉSEk A halmaz fogalmát tulajdonságait gyakran használjuk a matematikában. A halmazt nem definiáljuk, ezt alapfogalomnak tekintjük. Ez nem szokatlan, hiszen
RészletesebbenMatematika 8. osztály
ELTE Apáczai Csere János Gyakorló Gimnázium és Kollégium Hat évfolyamos Matematika 8. osztály III. rész: Függvények Készítette: Balázs Ádám Budapest, 2018 2. Tartalomjegyzék Tartalomjegyzék III. rész:
RészletesebbenNULLADIK MATEMATIKA ZÁRTHELYI
A NULLADIK MATEMATIKA ZÁRTHELYI 20-09-2 Terem: Munkaidő: 0 perc. A dolgozat megírásához íróeszközön kívül semmilyen segédeszköz nem használható! Csak és kizárólag tollal tölthető ki a feladatlap, a ceruzával
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:
Részletesebben2.Előadás ( ) Munkapont és kivezérelhetőség
2.lőadás (207.09.2.) Munkapont és kivezérelhetőség A tranzisztorokat (BJT) lineáris áramkörbe ágyazva "működtetjük" és a továbbiakban mindig követelmény, hogy a tranzisztor normál aktív tartományban működjön
RészletesebbenInformatikai Rendszerek Alapjai
Informatikai Rendszerek Alapjai Dr. Kutor László Minimális redundanciájú kódok (2) Szótár alapú tömörítő algoritmusok 2014. ősz Óbudai Egyetem, NIK Dr. Kutor László IRA 8/25/1 Az információ redundanciája
Részletesebben