Paraméterek. Reakciómechanizmusok leírása. Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alapján

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Paraméterek. Reakciómechanizmusok leírása. Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alapján"

Átírás

1 Megbízható kémiai modellek kiejlesztése sok mérési adat egyidejő eldolgozása alajá uráyi amás ELE Kémiai Itézet Reakciókietikai Laboratórium Eddig dolgoztak eze a témá: (témavezetık: uráyi amás, Zsély Istvá Gyula, Zemléi Adrás) Varga László, 5. éves alkalmazott matematikus hallgató Arrheius-araméterek bizoytalasága DK dolgozat, Kémiai ODK, III. helyezett, 9 Varga László, 5. éves alkalmazott matematikus hallgató Arrheius-araméterek bizoytalasága szakdolgozat, 9 Nagy ibor Reakciókietikai modellek bizoytalaságaalízise és redukciója PhD értekezés, 9 9. december 7. alkalmazott matematika roblémamegoldó szemiárium Szabó Botod, 5. éves alkalmazott matematikus hallgató Arrheius-araméterek becslése közvetett és közvetle mérések alajá DK dolgozat, ELE Kémia házi DK, 9 Reakciómechaizmusok leírása Gyakra agy reakciómechaizmusokat haszálak : Példa: H, CH 4, C H 6 égése Ayagajták száma: 5 Reakciók száma: 5 Kémiai olyamatok vagy kísérletek szimulációja: Közöséges vagy arciális diereciálegyeletek A modellek araméterei ayagajtához kacsolódak (l. hıkaacitások, diúziós együtthatók) reakcióléésekhez tartozak (mide reakcióhoz A,, E Arrheius-araméterek) adott izikai köryezethez tartozak (l. a tartozkodási idı) Paraméterek Mide aramétert rögzítettek tekitük egyes kiválasztott araméterek kivételével Céluk egyes sebességi együtthatók meghatározása. Számításuk a kiterjesztett Arrheius-egyelet segítségével törtéik: R uiverzális gázálladó (8,4 J K - mol - ) hımérséklet (K) A,, E Arrheius-araméterek Bizoytalaságaalízis modell-araméterek bizoytalaok bizoytalaságaalízis modell-eredméyek is bizoytalaok Bizoytalaságok megadása élkül a modellek eredméye semmitmodó Egy modell elogadható, ha a mérési eredméyek bizoytalasági tartomáya áted a szimulációs eredméyek bizoytalasági tartomáyával. Reakciókietikai bizoytalaságaalízis A reakciókietikai adatbázisok tartalmazzák az Arrheiusaramétereket és a sebességi együtthatók bizoytalaságát. A bizoytalaságaalízis-számítások csak az A-aramétert tekitették bizoytalaak. Az Arrheius-egyelet haszálata jelet-e megkötést a k bizoytalaságáak hımérsékletüggésére? A bizoytalaságaalízis a modell-araméterek bizoytalaságáak a hatását vizsgálja a modell-eredméyek bizoytalaságára. 5 6

2 I- Kétaraméteres Arrheius-egyelet: k : sebességi együttható R: gázálladó (8,4 J K - mol - ) : hımérséklet (K) A, E : Arrheius-araméterek A= k e E / R k = Ae Legye k és k ismert két külöbözı, és hımérséklete. A és E értéke így számítató: A= k e E / R E R I- Számítógées adatbázisok tartalmazzák mide reakcióhoz A, (,) E értékét (de ezek bizoytalaságát NEM!!!) k bizoytalaságát kiejezı számot k k max = log = log k mi k Ahol k a sebességi együttható ajálott értéke, k mi és k max a lehetséges legkisebb és legagyobb értéke l k szóráségyzetéek számítása bizoytalasági araméterbıl: l σ (l k ) = E / R= (l k l k) /(/ / ) 7 k sőrőségüggvéyéek számítása (hımérsékletüggı): Feltesszük, hogy k csokolt logormális eloszlású, azaz k mi és k max értékéél le va vágva a sőrőségüggvéy 8 I-4 és hımérsékleteke k( ) és k( ) geerálása Kezdeti algoritmus:. m darab ( k( ), k( ) ) ár elıállítása. m darab (A, E) ár kiszámítása (m= a számításaikba) R H+H O =HO +H reakció: A=,69 s - cm mol -, E=574 J mol - =,5 a teljes = K K hımérséklettartomáyba I-5 R H+H O =HO +H reakció: A=,69 s - cm mol -, E=574 J mol - =,5 a teljes = K K hımérséklettartomáyba Álladó () csak úgy lehetséges, ha csak A bizoytala, ami izikailag em reális: Probléma: em teljesül, hogy =,5 a teljes tartomáyo! 9 I-6 Ha () mooto övekszik (vagy mooto csökke) a megadott hımérsékletitervallumba, akkor elıállítható olya l A E/R araméterkészlet, amelyél k adott szórású a hımérséklet végotoko. R O+HO =OH+O reakció: A=.6x s - cm mol -, E=,4 J mol - = K-e =,, övekszik =,5-re K-ig. () üggvéy: l A E/R hisztogram: Sebességi együttható hımérsékletüggése Nemlieáris és liearizált alakok kiterjesztett Arrheius-egyelet k = A ex( E / R) ( θ) = + lθ θ eredeti Arrheius-egyelet k = Aex E / R hatváy-hımérsékletüggés: A k = hımérsékletüggetle: k = A l{ } l{ } l{ } { } { } k = A + E R θ θ θ ( θ) = θ ( θ) = + lθ ( θ) = A sebességi együttható logaritmusa lieáris az (,, ) származtatott Arrheius-araméterekbe.

3 A sebességi együttható bizoytalaságáak megadásai k bizoytalaságát adott hımérséklete az számmal jellemzik: Légkörkémiai adatbázisok ( =98K) IUPAC JPL (NASA) Égéstudomáyi adatbázisok k logaritmusáak szórása k() bizoytalasága aráyos (θ ) szórásával: mi max ( k k ) ( k k ) = log = log g = d+ ( ) l = l + g = σ θ = l ha (, ) ha = ( θ) = ( ( θ) ( θ) ) () ~σ ( θ) { k } A sebességi együttható ( θ) = + lθ θ bizoytalaságáak kacsolata az Arrheius-araméterek bizoytalaságával A liearizált Arrheius-egyelet komaktabb alakba: :=[ ] θ : = [ lθ θ ] Az Arrheius-araméterek kovariacia-mátrixa és aak kacsolata a sebességi együttható bizoytalaságával: σ r σσ rσσ = ( )( ) = Σ r σσ σ r σ σ rσσ r σ σ σ ( ) ~ = σ ( θ) θ Σ θ k bizoytalaságáak hımérsékletüggése aráyos egy kvadratikus alak gyökével, amelyek mátrixa az Arrheius-araméterek kovariacia-mátrixa. ( θ) = θ 4 sebességi együttható bizoytalaságáak hımérsékletüggése Kiterjesztett Arrheius-egyelet a szórás hımérsékletüggése: σ ( θ) σ + σ l θ+ σ θ + r σ σ lθr σ σ θ r σ σ θ lθ = Eredeti Arrheius-egyelet a szórás hımérsékletüggése: Hatváy-hımérsékletüggés a szórás hımérsékletüggése: Hımérsékletüggetle k a szórás hımérsékletüggése: Az Arrheius-araméterek évleges értékei és a kovariacia-mátrixuk hımérsékletüggetleek a sebességi együttható kiejezéséek érvéyességi tartomáyá. σ ( θ) = σ + σ θ r σ σ θ ( ) ~ = σ ( θ) θ Σ θ σ ( θ) = σ + σ l θ+ σ σ lθ r 5 σ ( θ) = σ A sebességi együttható bizoytalaságok megadásáak roblémái Légkörkémiai adatbázisok - eredeti Arrheius-egyelet σ ( θ) = σ + σ θ r σ σ θ - teljes korrelációt, ati-korrelációt eltételezek - midig ikozisztes: alatt és elett más kovariacia mátrix Égéstudomáyi adatbázisok - sokszor hiáyos, vagy ikozisztes - álladó egy itervallumra midehol álladó csak az A bizoytala ha r ha r =+ = A jelelegi bizoytalaság megadások legtöbbször em egyeztethetık össze az Arrheius-araméterek együttes valószőségieloszlás-üggvéye létezéséek eltételezésével. σ σθ = σ + σθ 6 Logormális eloszlás eltételezése a sebességi együtthatóra együk el, hogy a sebességi együttható eloszlása logormális mide hımérséklete. Ekkor az Arrheius-araméterek együttes eloszlása ormális. g N = ( π) ex N / detσ ( ) Σ ( ) Határeloszlásai -ra mide hımérséklete ormálisak. d g = πσ ( θ) ex Ha az Arrheius-araméterek együttes eloszlásüggvéye ormális, otosa akkor a sebességi együttható eloszlása mide hımérséklete logormális. ( ( θ) ) σ θ = + lθθ 7 Arrheius-araméterek együttes, ormális valószíőségi sőrőségüggvéyéek megállaítása Az adatbázisba megadott bizoytalaságok értékekre a levezetett egyeletet illesztjük. kiterjesztett Arrheius-egyelet eseté: σ θ = σ + σ l θ+ σ θ + r σ σ lθr σ σ θ r σ σ lθ θ eredeti Arrheius-egyelet eseté: σ θ = σ + σ θ r σ σ θ Az illesztés eredméyekét az Arrheius-araméterek kovariacia-mátrixát kajuk. Az adatbázisokba megadott bizoytalasági adatok alajá az Arrheius-araméterek együttes ormális eloszlása meghatározható. 8

4 O + N O NO + NO reakció sebességi együtthatója bizoytalaságáak hımérsékletüggése (K-4K) O + N O NO + NO sebességi együtthatója valószíőségeloszlásáak változása a hımérséklet üggvéyébe ( K 4 K) k = Aex( E / R) ( θ) = θ =,4 = 9 σ =,55 σ = 588 r =,945 9 O + N O NO + NO sebességi együtthatója valószíőségeloszlásáak változása a hımérséklet üggvéyébe ( K K) O + N O NO + NO Az Arrheius-araméterek együttes ormális valószíőségi sőrőségüggvéye Mérések csoortosítása A hagyomáyos módszer Közvetle mérés: k sebességi együttható meghatározása (lásd Sedyó Iez DK dolgozata) Közvetett mérés: a teljes reakciómechaizmus elleırzésére alkalmas kísérletek (l.: gyulladási idı, lágsebesség mérések) Egyes araméterek közvetle mérése agy hibával (l. k mérése %-os hibával, amit Sedyó Iez DK mukájába is láthattuk) Változtatás élkül alkalmazták a aramétereket Reaktorokba mért adatokat (l. gyulladási idı, kocetrációidı görbék) csak elleırzésre vették igyelembe 4

5 Freklach és mukatársai módszere Közvetle aramétermérésekbıl: k mi és k max értéke A illesztése reaktorba mért adatokra (, E rögzítettsége mellett) Feltétel: k(a) ϵ [k mi, k max ] Hiáyosságok: A agyszámú közvetle mérési adatot csak egy itervallum meghatározására haszálták Kémiailag em értelmes A illesztése, miközbe E és rögzített Az új módszer tulajdoságai a közvetle és közvetett mérések igyelembe vétele egyszerre a mérések otosságáak igyelembe vétele súlyozással otimális érték keresése a kiválasztott (otos) reakciók mide Arrheius-araméterére eloszlás illesztése a eti araméterekre cél = Célüggvéy kélete r i s mi ci k i k i ki y i y i ( ki ( j ) km, i( j )) + ( yi ( j ) ym, i( j )) i= i j= i= i j= Ahol: - k m,i ( k j i), k i ( k j i) i-edik reakció sebességi együtthatójáak mérési illetve számolt eredméye k j i hımérséklete - y m,i ( y j i), y i ( y j i) i-edik közvetett méréshez tartozó mérést illetve szimulált értékek y j i hımérséklete - c i az i-edik reakció súlyaktora - k i az i-edik közvetett mérés súlyaktora - i i-edik reakcióra a mérések száma - m i i-edik közvetett méréssorozatba a mérések száma m A módszer ıbb léései - A célüggvéy miimumáak helyét két léésbe kerestük Számítások Mote Carlo lati hierkocka eljárással geerált mitá (a geeráláshoz elhaszáltuk a Sedyó Iez által meghatározott aramétereket) Legjobb otokból szélsıértékkeresı elidítása - Normális eloszlás illesztése a araméterekre (olyamatba) A módszer alkalmazása A araméterek otimalizált értéke H égéséek reakciómechaizmusa (Curra, 4) Két otos reakció: i. H+O O+OH ii. H+O +M HO +M (i) reakcióra A,, E Arrheius- araméterek (ii) reakcióra A,,, E Arrheius- araméterek (alacsoy yomású hatérérték), m harmadik test araméter Sebességi együtthatók mérésére J. V. Michael és mukatársai mérési adatait haszáltuk Gyulladási idı mérésére Peterse és mukatársai valamit Slack és mukatársai mérési eredméyeit haszáltuk H + O O + OH reakcióra: l(a/(cm mol - s - ))=4,8 =-,5 E/R=848, K H + O (+M) HO (+M) reakcióra: l(a/(cm 6 mol - s - ))=8,4 =-,4 E/R=- 56,7 K m=,6 5

6 Közvetett mérések Közvetle mérések la araméterekre vett kétdimeziós célüggvéy: la E /R araméterekre vett kétdimeziós célüggvéy: Normális eloszlás illesztése Elért eredméyek - ermészetes eltevés többdimeziós ormális eloszlás illesztése a araméterekre Szórás rögzített Korreláció a kétdimeziós meredekségekbıl Várható érték illesztése (olyamatba) Olya algoritmust dolgoztuk ki és rogramoztuk be reakciómechaizmusok kiválasztott aramétereiek meghatározására, amely: a közvetett és közvetle kísérleteket egyarát igyelembe veszi (ilye korábba em volt!) kiválasztott reakciók A,, E Arrheius- aramétereit egyszerre illeszti (korábba csak A- t illesztették!) ormális eloszlás illesztése olyamatba (eddig ilyet még em számítottak) 6

7 Köszööm a igyelmet! 7

Reakciómechanizmusok leírása. Paraméterek. Reakciókinetikai bizonytalanságanalízis. Bizonytalanságanalízis

Reakciómechanizmusok leírása. Paraméterek. Reakciókinetikai bizonytalanságanalízis. Bizonytalanságanalízis Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alajá uráyi amás www.turayi.eu ELE Kémiai Itézet Reakciókietikai Laboratórium Eddig dolgoztak eze a témá: (témavezetık: uráyi

Részletesebben

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Virág 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

Részletesebben

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

A 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

Részletesebben

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

A 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:

Részletesebben

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Az 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

Részletesebben

Bootstrap (Efron, 1979)

Bootstrap (Efron, 1979) Bootstrap (Efro, 979) 4. elıadás 204. március 3. Bootstrap módszerek, többdimeziós extrém-érték eloszlások illeszkedésvizsgálata Újramitavételezési eljárás, a becsléseik szórásáak vizsgálatára, modell-illeszkedés

Részletesebben

Matematika B4 I. gyakorlat

Matematika 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

Részletesebben

Statisztika 1. zárthelyi dolgozat március 21.

Statisztika 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

Részletesebben

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

(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

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI 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

Részletesebben

Tartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:

Tartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset: Tartalom A bootstrap módszer Zempléi Adrás TTK, Valószíőségelméleti és Statisztika Taszék 2010. október 21 Bevezetés A függetle, azoos eloszlású eset: emparaméteres paraméteres eset Alkalmazások a rétegzett

Részletesebben

A matematikai statisztika elemei

A 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................................

Részletesebben

3.1. A Poisson-eloszlás

3.1. 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

Részletesebben

ALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198.

ALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198. ALGEBRA MÁSODFOKÚ POLINOMOK. Határozzuk meg az + p + q = 0 egyelet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 98.. Határozzuk meg az összes olya pozitív egész p és q számot, amelyre az

Részletesebben

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

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

Részletesebben

2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...

2. 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

Részletesebben

V. Deriválható függvények

V. 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

Részletesebben

A primitív függvény létezése. Kitűzött feladatok. határérték, és F az f egy olyan primitívje, amelyre F(0) = 0. Bizonyítsd be,

A primitív függvény létezése. Kitűzött feladatok. határérték, és F az f egy olyan primitívje, amelyre F(0) = 0. Bizonyítsd be, 6 A primitív üggvéy létezése A primitív üggvéy létezése Kitűzött eladatok. Határozd meg az a és b valós paraméterek értékét úgy hogy az : R ae + b üggvéyek létezze primitív üggvéye! >. Az : [ + [ + olytoos

Részletesebben

Kutatói pályára felkészítı modul

Kutatói pályára felkészítı modul Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA 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

Részletesebben

Statisztika 1. zárthelyi dolgozat március 18.

Statisztika 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

Részletesebben

VII. A határozatlan esetek kiküszöbölése

VII. 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

Részletesebben

Reakciókinetikai modellek bizonytalanságanalízise és redukciója

Reakciókinetikai modellek bizonytalanságanalízise és redukciója Reakciókietikai modellek bizoytalaságaalízise és redukciója doktori (Ph.D.) értekezés Nagy Tibor okleveles vegyész Eötvös Lorád Tudomáyegyetem Természettudomáyi Kar Kémia Doktori Iskola Iskolavezet: Izelt

Részletesebben

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

f (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,

Részletesebben

Matematikai statisztika

Matematikai statisztika Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika

Részletesebben

Matematikai statisztika

Matematikai statisztika Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),

Részletesebben

Méréstani összefoglaló

Méréstani összefoglaló PÉCSI TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR FIZIKAI INTÉZET Méréstai összefoglaló (köryezettudomáyi szakos hallgatók laboratóriumi mérési gyakorlataihoz) Összeállította: Dr. Német Béla Pécs 2008 1 Bevezetés

Részletesebben

Eddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika

Eddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika Leíró és matematikai statisztika Matematika alapszak, matematikai elemző szakiráy Zempléi Adrás Valószíűségelméleti és Statisztika Taszék Matematikai Itézet Természettudomáyi Kar Eötvös Lorád Tudomáyegyetem

Részletesebben

Hajós György Versenyre javasolt feladatok SZIE.YMÉTK 2011

Hajós György Versenyre javasolt feladatok SZIE.YMÉTK 2011 1 Molár-Sáska Gáboré: Hajós György Verseyre javasolt feladatok SZIE.YMÉTK 011 1. Írja fel a számokat 1-tıl 011-ig egymás utá! Határozza meg az így kapott agy szám 0-cal való osztási maradékát!. Az { }

Részletesebben

Gyakorló feladatok II.

Gyakorló feladatok II. Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,

Részletesebben

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

Sorozatok, 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

Részletesebben

Komplex számok (el adásvázlat, 2008. február 12.) Maróti Miklós

Komplex számok (el adásvázlat, 2008. február 12.) Maróti Miklós Komplex számok el adásvázlat, 008. február 1. Maróti Miklós Eek az el adásak a megértéséhez a következ fogalmakat kell tudi: test, test additív és multiplikatív csoportja, valós számok és tulajdoságaik.

Részletesebben

Befektetett munka. Pontosság. Intuícióra, tapasztalatra épít. Intuitív Analóg Parametrikus Analitikus MI alapú

Befektetett munka. Pontosság. Intuícióra, tapasztalatra épít. Intuitív Analóg Parametrikus Analitikus MI alapú ..4. Óbuda Egyetem ák Doát Gépész és ztoságtechka Mérök Kar yagtudomáy és Gyártástechológa Itézet Termelés olyamatok II. Költségbecslés Dr. Mkó alázs mko.balazs@bgk.u-obuda.hu z dı- és költségbecslés eladata

Részletesebben

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

biometria 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

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

Részletesebben

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható

18. 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.

Részletesebben

Pelletek térfogatának meghatározása Bayes-i analízissel

Pelletek térfogatának meghatározása Bayes-i analízissel Pelletek térfogatának meghatározása Bayes-i analízissel Szepesi Tamás KFKI-RMKI, Budapest, Hungary P. Cierpka, Kálvin S., Kocsis G., P.T. Lang, C. Wittmann 2007. február 27. Tartalom 1. Motiváció ELM-keltés

Részletesebben

1. A radioaktivitás statisztikus jellege

1. 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

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58 u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ

Részletesebben

18. Differenciálszámítás

18. Differenciálszámítás 8. Differeciálszámítás I. Elméleti összefoglaló Függvéy határértéke Defiíció: Az köryezetei az ] ε, ε[ + yílt itervallumok, ahol ε > tetszőleges. Defiíció: Az f függvéyek az véges helye vett határértéke

Részletesebben

f(n) n x g(n), n x π 2 6 n, σ(n) n x

f(n) n x g(n), n x π 2 6 n, σ(n) n x Számelméleti függvéyek extremális agyságredje Dr. Tóth László 2006 Bevezetés Ha számelméleti függvéyek, l. multilikatív vagy additív függvéyek agyságredjét vizsgáljuk, akkor először általába az adott függvéy

Részletesebben

A maximum likelihood becslésről

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

Részletesebben

Valószín ségszámítás 2 gyakorlat Alkalmazott matematikus szakirány

Valószín ségszámítás 2 gyakorlat Alkalmazott matematikus szakirány Valószí ségszámítás gyakorlat Alkalmazott matematikus szakiráy Játékszabályok Az óráko részt kell vei, maximum 3-szor lehet hiáyozi. Aki többször hiáyzik, em ka gyakjegyet. 00 + x otot lehet szerezi a

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

= λ valós megoldása van.

= λ valós megoldása van. Másodredű álladó együtthatós lieáris differeciálegyelet. Általáos alakja: y + a y + by= q Ha q = 0 Ha q 0 akkor homogé lieárisak evezzük. akkor ihomogé lieárisak evezzük. A jobb oldalo lévő q függvéyt

Részletesebben

Kísérlettervezés alapfogalmak

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

Részletesebben

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

I. 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.

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

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

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

Részletesebben

A mérési eredmény megadása

A mérési eredmény megadása A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű

Részletesebben

GAZDASÁGI MATEMATIKA 1. ANALÍZIS

GAZDASÁGI MATEMATIKA 1. ANALÍZIS SZENT ISTVÁN EGYETEM GAZDASÁGI, AGRÁR- ÉS EGÉSZSÉGTUDOMÁNYI KAR Dr. Szakács Attila GAZDASÁGI MATEMATIKA. ANALÍZIS Segédlet öálló mukához. átdolgozott, bővített kiadás Békéscsaba, Lektorálták: DR. PATAY

Részletesebben

Áringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév

Áringadozások 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

Részletesebben

Izolált rendszer falai: sem munkavégzés, sem a rendszer állapotának munkavégzés nélküli megváltoztatása nem lehetséges.

Izolált rendszer falai: sem munkavégzés, sem a rendszer állapotának munkavégzés nélküli megváltoztatása nem lehetséges. ERMODINMIK I. FÉELE els eergia: megmaraó meyiség egy izolált reszerbe (eergiamegmaraás törvéye) mikroszkóikus kifejezését láttuk Izolált reszer falai: sem mukavégzés sem a reszer állaotáak mukavégzés élküli

Részletesebben

Számsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.

Számsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik. Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

Egy lehetséges tételsor megoldásokkal

Egy lehetséges tételsor megoldásokkal Egy lehetséges tételsor megoldásokkal A vizsgatétel I része a IX és X osztályos ayagot öleli fel, 6 külöböző fejezetből vett feladatból áll, összese potot ér A közzétett tétel-variások és az előző évekbe

Részletesebben

1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény

1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény Palácz Béla - Soft Computig - 11-1. Adatok közelítése 1. Adatok közelítése Bevezetés A természettudomáyos feladatok megoldásához, a vizsgált jeleségek, folyamatok főbb jellemzői közötti összefüggések ismeretére,

Részletesebben

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása l--si háromalkotós egyensúlyi fázisdiagram közelítő számítása evezetés Farkas János 1, Dr. Roósz ndrás 1 doktorandusz, tanszékvezető egyetemi tanár Miskolci Egyetem nyag- és Kohómérnöki Kar Fémtani Tanszék

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

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

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

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak

Részletesebben

I. rész. Valós számok

I. rész. Valós számok I. rész Valós számok Feladatok 3 4 Teljes idukció Igazolja a teljes idukcióval a következ állítások helyességét!.. k 2 = k= ( + )(2 + ). 6.2. 4 + 2 7 + + (3 + ) = ( + ) 2..3. a) b) ( + ) = +. k ( ) =

Részletesebben

Kalkulus II., második házi feladat

Kalkulus II., második házi feladat Uger Tamás Istvá FTDYJ Név: Uger Tamás Istvá Neptu: FTDYJ Web: http://maxwellszehu/~ugert Kalkulus II, második házi feladat pot) Koverges? Abszolút koverges? ) l A feladat teljese yilvávalóa arra kívácsi,

Részletesebben

2. Rugalmas állandók mérése jegyzőkönyv javított. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma:

2. Rugalmas állandók mérése jegyzőkönyv javított. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma: 2. Rugalmas állandók mérése jegyzőkönyv javított Zsigmond Anna Fizika Bsc II. Mérés dátuma: 2008. 09. 17. Leadás dátuma: 2008. 10. 08. 1 1. Mérések ismertetése Az első részben egy téglalap keresztmetszetű

Részletesebben

Zavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.

Zavar (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

Részletesebben

Problémás regressziók

Problémás regressziók Universitas Eotvos Nominata 74 203-4 - II Problémás regressziók A közönséges (OLS) és a súlyozott (WLS) legkisebb négyzetes lineáris regresszió egy p- változós lineáris egyenletrendszer megoldása. Az egyenletrendszer

Részletesebben

6. feladatsor. Statisztika december 6. és 8.

6. feladatsor. Statisztika december 6. és 8. 6. feladatsor Statisztika 200. december 6. és 8.. Egy = 0 szervert tartalmazó kiszolgáló mide szervere mide pillaatba 0 < p < valószíűséggel foglalt, a foglaltságok szerverekét függetleek. Tehát a foglaltak

Részletesebben

X = 9,477 10 3 mol. ph = 4,07 [H + ] = 8,51138 10 5 mol/dm 3 Gyenge sav ph-jának a számolása (általánosan alkalmazható képlet):

X = 9,477 10 3 mol. ph = 4,07 [H + ] = 8,51138 10 5 mol/dm 3 Gyenge sav ph-jának a számolása (általánosan alkalmazható képlet): . Egy átrium-hidroxidot és átrium-acetátot tartalmazó mita 50,00 cm 3 -es részletée megmérjük a ph-t, ami,65-ek adódott. 8,65 cm 3 0, mol/dm 3 kocetrációjú sósavat adva a mitához, a mért ph 5,065. Meyi

Részletesebben

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3 Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)

Részletesebben

Compton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III.

Compton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III. Compton-effektus jegyzıkönyv Zsigmond Anna Fizika BSc III. Mérés vezetıje: Csanád Máté Mérés dátuma: 010. április. Leadás dátuma: 010. május 5. Mérés célja A kvantumelmélet egyik bizonyítékának a Compton-effektusnak

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett

Részletesebben

Gázturbina égő szimulációja CFD segítségével

Gázturbina égő szimulációja CFD segítségével TEHETSÉGES HALLGATÓK AZ ENERGETIKÁBAN AZ ESZK ELŐADÁS-ESTJE Gázturbina égő szimulációja CFD segítségével Kurucz Boglárka Gépészmérnök MSc. hallgató kurucz.boglarka@eszk.org 2015. ÁPRILIS 23. Tartalom Bevezetés

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet

Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet Debrecei Egyetem Közgazdaság- és Gazdaságtudomáyi Kar Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz a megoldásra feltétleül ajálott feladatokat jelöli e feladatokat a félév végére megoldottak

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

megoldásvázlatok Kalkulus gyakorlat Fizika BSc I/1, 1. feladatsor 1. Rajzoljuk le a számegyenesen az alábbi halmazokat!

megoldásvázlatok Kalkulus gyakorlat Fizika BSc I/1, 1. feladatsor 1. Rajzoljuk le a számegyenesen az alábbi halmazokat! megoldásvázlatok Fizika BSc I/,. feladatsor. Rajzoljuk le a számegyeese az alábbi halmazokat! a { R < 5}, b { R 4}, c { Z 4}, d { Q < 4 6}, e { N 3 }.. Igazak-e az alábbi állítások? Adjuk meg az állítások

Részletesebben

Ón-ólom rendszer fázisdiagramjának megszerkesztése lehűlési görbék alapján

Ón-ólom rendszer fázisdiagramjának megszerkesztése lehűlési görbék alapján Ón-ólom rendszer fázisdiagramjának megszerkesztése lehűlési görbék alapján Készítette: Zsélyné Ujvári Mária, Szalma József; 2012 Előadó: Zsély István Gyula, Javított valtozat 2016 Laborelőkészítő előadás,

Részletesebben

Kísérlettervezés alapfogalmak

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

Részletesebben

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

Intervallum 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

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

FELADATOK A KALKULUS C. TÁRGYHOZ

FELADATOK A KALKULUS C. TÁRGYHOZ FELADATOK A KALKULUS C. TÁRGYHOZ. HALMAZOK RELÁCIÓK FÜGGVÉNYEK. Bizoyítsuk be a halmaz-műveletek alapazoosságait! 2. Legye adott az X halmaz legye A B C X. Ha A B := (A B) (B A) akkor bizoyítsuk be hogy

Részletesebben

16. Az AVL-fa. (Adelszon-Velszkij és Landisz, 1962) Definíció: t kiegyensúlyozott (AVL-tulajdonságú) t minden x csúcsára: Pl.:

16. Az AVL-fa. (Adelszon-Velszkij és Landisz, 1962) Definíció: t kiegyensúlyozott (AVL-tulajdonságú) t minden x csúcsára: Pl.: 6. Az AVL-fa Adelszo-Velszkij és Ladisz, 96 Defiíció: t kiegyesúlyozott AVL-tulajdoságú t mide x csúcsára: bal x jobb x. Pl.: A majdem teljes biáris fa AVLtulajdoságú. Az AVL-fára, mit speciális alakú

Részletesebben

2. fejezet. Számsorozatok, számsorok

2. fejezet. Számsorozatok, számsorok . fejezet Számsorozatok, számsorok .. Számsorozatok és számsorok... Számsorozat megadása, határértéke Írjuk fel képlettel az alábbi sorozatok -dik elemét! mooto, korlátos, illetve koverges-e! Vizsgáljuk

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI 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

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

Kétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.

Kétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére. Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására

Részletesebben

Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz. 2 dx = 1, cos nx dx = 2 π. sin nx dx = 2 π

Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz. 2 dx = 1, cos nx dx = 2 π. sin nx dx = 2 π Matematika Ac gyakorlat Vegyzméröki, Bioméröki, Köryezetméröki szakok, 7/8 ősz 4. feladatsor: Fourier-sorok megoldás. Legye fx = ha x, ], fx = ha x, π]. Írjuk fel f Fourier-sorát. Mely potokba állítja

Részletesebben

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták

Részletesebben

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet) Matematka statsztka elıadás III. éves elemzı szakosokak Zemplé Adrás 9. elıadásból részlet Y közelítése függvéyével Gyakor eset, hogy em smerjük a számukra érdekes meység Y potos értékét pl. holap részvéy-árfolyam,

Részletesebben

1. Sajátérték és sajátvektor

1. Sajátérték és sajátvektor 1. Sajátérték és sajátvektor Leképezés diagoális mátrixa. Kérdés Mely bázisba lesz egy traszformáció mátrixa diagoális? A Hom(V) és b 1,...,b ilye bázis. Ha [A] b,b főátlójába λ 1,...,λ áll, akkor A(b

Részletesebben

Line aris f uggv enyilleszt es m arcius 19.

Line aris f uggv enyilleszt es m arcius 19. Lineáris függvényillesztés 2018. március 19. Illesztett paraméterek hibája Eddig azt néztük, hogy a mérési hiba hogyan propagál az illesztett paraméterekbe, ha van egy konkrét függvényünk. a hibaterjedés

Részletesebben

FOLYADÉKSZÁLLÍTÓ RENDSZER LINEÁRIS PARAMÉTER-ÉRZÉKENYSÉG ELEMZÉSE 2 1. BEVEZETÉS

FOLYADÉKSZÁLLÍTÓ RENDSZER LINEÁRIS PARAMÉTER-ÉRZÉKENYSÉG ELEMZÉSE 2 1. BEVEZETÉS Pokorádi László Szoloki Tudomáyos Közleméyek XVII. Szolok, 3 FOLYADÉKSZÁLLÍTÓ RENDSZER LINEÁRIS PARAMÉTER-ÉRZÉKENYSÉG ELEMZÉSE Techikai redszerek matematikai modellvizsgálata sorá figyelembe kell veük,

Részletesebben

Matematika I. 9. előadás

Matematika I. 9. előadás Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája

Részletesebben

A statisztika részei. Példa:

A 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,

Részletesebben

Tudjuk, hogy az optimumot az ún. regressziós görbe szolgáltatja, melynek egyenlete:

Tudjuk, hogy az optimumot az ún. regressziós görbe szolgáltatja, melynek egyenlete: æ REGRESSZIÓANALÍZIS Az alapprobléma a következő: Az X, Y v.v. együttes eloszlásáak ismeretébe közelítei szereték Y-t X mérhető t fv.-ével legkisebb égyzetes értelembe: E(Y t(x)) 2 mi. t be. Tudjuk, hogy

Részletesebben

Átfolyó-rendszerű gázvízmelegítő teljesítményének és hatásfokának meghatározása Gazdaságossági számításokhoz

Átfolyó-rendszerű gázvízmelegítő teljesítményének és hatásfokának meghatározása Gazdaságossági számításokhoz Átfolyó-redszerű gázvízmelegítő teljesítméyéek és hatásfokáak meghatározása Gazdaságossági számításokhoz Szuyog Istvá 005 Készült az OTKA T-0464 kutatási projekt keretébe A Gázipari oktatási laboratórium

Részletesebben

Differenciaegyenletek aszimptotikus viselkedésének

Differenciaegyenletek aszimptotikus viselkedésének Differeciaegyeletek aszimptotikus viselkedéséek vizsgálata Mathematica segítségével Botos Zsófia Újvidéki Egyetem TTK Újvidék Szerbia E-mail: botoszsofi@yahoo.com 1. Bevezető Tekitsük az késleltetett diszkrét

Részletesebben

Sorozatok október 15. Határozza meg a következ sorozatok határértékeit!

Sorozatok október 15. Határozza meg a következ sorozatok határértékeit! Sorozatok 20. október 5. Határozza meg a következ sorozatok határértékeit!. Zh feladat:vizsgálja meg mootoitás és korlátosság szerit az alábbi sorozatot! a + ha ; 2; 5 Mootoitás eldötéséhez vizsgáljuk

Részletesebben

Piacmeghatározás. Hipotetikus monopolista teszt. Hipotetikus monopolista teszt alkalmazása. Hipotetikus monopolista teszt alkalmazása

Piacmeghatározás. Hipotetikus monopolista teszt. Hipotetikus monopolista teszt alkalmazása. Hipotetikus monopolista teszt alkalmazása Moder iacelmélet Moder iacelmélet A iaci erő mérése ELTE TáTK Közgazdaságtudomáyi Taszék Selei Adrie ELTE TáTK Közgazdaságtudomáyi Taszék Készítette: Hidi Jáos A taayag a Gazdasági Verseyhivatal Verseykultúra

Részletesebben

min{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is:

min{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is: . A szupréum elv. = H R felülr l körlátos H fels korlátai között va legkisebb, azaz A és B a A és K B : a K Ekkor ξ-re: mi{k R K fels korlátja H-ak} } a A : a ξ : ξ fels korlát A legkisebb fels korlát

Részletesebben