i p i p 0 p 1 p 2... i p i

Hasonló dokumentumok
Valószínűségszámítás 4. RÉSZ Zárthelyi és vizsga feladatok gyűjteménye. Vetier András szeptember 1.

(Independence, dependence, random variables)

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

[Biomatematika 2] Orvosi biometria

Valószínűségi változók. Várható érték és szórás

Abszolút folytonos valószín ségi változó (4. el adás)

Készítette: Fegyverneki Sándor

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

Valószínűségszámítás összefoglaló

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés

Matematika B4 VIII. gyakorlat megoldása

Feladatok és megoldások a 13. hétre

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

1. Példa. A gamma függvény és a Fubini-tétel.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

NEVEZETES FOLYTONOS ELOSZLÁSOK

[Biomatematika 2] Orvosi biometria

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

BIOMATEMATIKA ELŐADÁS

Biomatematika 2 Orvosi biometria

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Matematika III. harmadik előadás

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

Valószín ségszámítás és statisztika

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Valószínűségszámítás 4. RÉSZ Zárthelyi és vizsga feladatok gyűjteménye

1. tétel. Valószínűségszámítás vizsga Frissült: január 19. Valószínűségi mező, véletlen tömegjelenség.

Trigonometria Megoldások. 1) Igazolja, hogy ha egy háromszög szögeire érvényes az alábbi összefüggés: sin : sin = cos + : cos +, ( ) ( )

A valószínűségszámítás elemei

Gazdasági matematika II. vizsgadolgozat, megoldással,

Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

A valószínűségszámítás elemei

Trigonometria Megoldások. 1) Oldja meg a következő egyenletet a valós számok halmazán! (12 pont) Megoldás:

A konfidencia intervallum képlete: x± t( α /2, df )

Valószínűségszámítás jegyzet 2. rész

HÁZI FELADATOK. 2. félév. 1. konferencia Komplex számok

Exponenciális és logaritmikus kifejezések Megoldások

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Régebbi Matek M1 zh-k. sztochasztikus folyamatokkal kapcsolatos feladatai.

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Trigonometria

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések

Valószínűségszámítás 2. RÉSZ Egydimenziós folytonos valószínűségi változók

Bevezetés. Valószínűségszámítás 2 előadás III. alk. matematikus szak. Irodalom. Egyéb info., számonkérés. Cél. Alapfogalmak (ismétlés)

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Trigonometria

Valószínűségszámítás 2. RÉSZ Egydimenziós folytonos valószínűségi változók

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

KÖZELÍTŐ INFERENCIA II.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

egyetemi jegyzet Meskó Balázs

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

Egyenletek, egyenletrendszerek, egyenlőtlenségek Megoldások

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy

Osztályozóvizsga követelményei

Együ ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny

Eloszlások jellemzése. Momentumok. Medián és kvantilis. Karakterisztikus függvény

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

3. Lineáris differenciálegyenletek

Komplex számok. Wettl Ferenc előadása alapján Wettl Ferenc előadása alapján Komplex számok / 18

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

Gazdasági matematika II. tanmenet

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József

Geometriai valo szí nű se g

Sztochasztikus folyamatok alapfogalmak

1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

Kalkulus I. gyakorlat Fizika BSc I/1.

Markov-láncok stacionárius eloszlása

Meghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait.

illetve a n 3 illetve a 2n 5

Nagy Gábor compalg.inf.elte.hu/ nagy ősz


biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0, = 0, = 0, Mo.: 32 = 0,25

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei

17. előadás: Vektorok a térben

[Biomatematika 2] Orvosi biometria

Microsoft Excel Gyakoriság

Operációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés)

A mérési eredmény megadása

Átírás:

. vizsga, 06--9, Feladatok és megoldások. (a) Adja meg az diszkrét eloszlás várható értékének a definícióját! i 0... p i p 0 p p... i p i (b) Tegyük fel, hogy a rigófészkekben található tojások X száma a i 0 4 p i 0.5 0.5 0.0 0.0 0.0 eloszlást követi. Számolja ki X várható értékét! Felhasználva, hogy az X = i esemény relatív gyakorisága nagy kísérletszám esetén közel van a p i valószínűséghez, írja le annak a vázlatos bizonyítását, hogy sok rigófészket megfigyelve a tojások számának az átlaga közel van a várható értékhez! E(X) = 0 0.5 + 0.5 + 0.0 + 0.0 + 4 0.0 =.85 pont N = a megfigyelt rigófészkek száma. N i = ahány fészekben i darab tojás van (i = 0,,,, 4). Ekkor a tojások számának az átlaga: 6 pont 4 N i i N = 4 N i N i 4 p i i = E(X). A fagylaltos nap mint nap dél és 5 óra között egyenletes eloszlás szerint érkezik a strandra, órán át árulja portékáját, aztán elmegy. Mi a valószínűsége, hogy összefutok a fagyissal, ha én (a) -kor érkezem, és.5 órát töltök ott? Világosan kell tálalni, hogy az Ön megoldásában mi az eseménytér, és azon belül mi a kedvező kimenetelek halmaza, mert az értékelésnél ez sokat számít! Az eseményteret a a fagyis lehetséges érkezési időpontjai alkotják, vagyis az eseménytér a [0, 5] intervallum. Kedvező egy t [0, 5] időpont, ha a [t, t + ] intervallumnak van közös pontja a [,.5] intervallummal, azaz t [,.5]. A kérdezett valószínűség = az [,.5] hossza per a [0, 5] hossza, azaz.5/5 =.

4 pont (b) a fagyistól függetlenül egyenletes eloszlás szerint érkezem és között, és.5 órát töltök ott? Világosan kell tálalni, hogy az Ön megoldásában mi az eseménytér, és azon belül mi a kedvező kimenetelek halmaza, mert az értékelésnél ez sokat számít! A fagyis érkezési időpontja ϕ, az enyém η. Az eseménytér a (ϕ, η) párokból álló [0, 5] [, ] téglalap. Egy (ϕ, η) pont pontosan akkor tartozik a kedvező kimenetelekhez, ha a [ϕ, ϕ + ] intervallumnak van közös pontja az [η, η +.5] intervallummal, azaz ha teljesül az alábbi két egyenlőtlenség: η η ϕ η +.5 A kérdezett valószínűség = az iménti egyenlőtlenségekkel meghatározott parallelogramma területe osztva a [0, 5] [, ] téglalap területével:.5/5 =. 6 pont. A nikkel bolhák, amikor forró fémlapra helyezik őket, ugranak egyet, és már végük is van. Az X valószínűségi változó jelentse azt, amekkorát ilyenkor egy nikkel bolha ugrik (méterben mérve). (a) Ha Önnek lenne 800 nikkel bolhája, hogyan ellenőrizné, hogy X rendelkezik-e az örökifjú tulajdonásággal? Írja le, hogy a mindennapi gyakorlatban kísérleti eredményekből relatív gyakoriságokkal hogyan lehet az örökifjú tulajdonáságot ha csak többé-kevésbé is, de mégis valamennyire ellenőrizni! Választok egy s és egy t értéket, pl. s = méter és t = 0.5 méter, és megnézem, hogy a bolhák hányadrésze ugrik nagyobbat t -nél, és azt is, hogy az s-nél nagyobbat ugró bolhák hányad része ugrik nagyobbat s + t -nél. Ha ez a két arány közel van egymáshoz, akkor erre az s, t értékpárra X örökifjú tulajdonáságúnak tűnik. Ha még néhány vagy inkább kellően sok s, t értékpárra X örökifjúnak tűnik, akkor elfogadom az örökifjú tulajdonságot. (b) Tegyük fel, hogy a kísérlet azt adja, hogy X rendelkezik az örökifjú tulajdonsággal. (b) Vezesse le az örökifjú tulaldonságból, hogy X jobboldali eloszlásfügvénye eleget tesz a egyenletnek! Az örökifjú tulajdonság szerint P ( X > s + t X > s ) = P ( X > t ) azaz ahonnan átszorzással P ( X > s + t) P ( X > s) = P ( X > t ) P ( X > s + t) = P ( X > s) P ( X > t )

vagyis (b) Mutassa meg, hogy az eponenciális eloszlás jobboldali eloszlásfüggvénye is eleget tesz a egyenletnek! Közismert, hogy e a+b = e a e b Az eponenciális eloszlás jobboldali eloszlásfüggvénye T () = e λ Ezek alapján T (s + t) = e λ(s+t) = e λs λt = e λs e λt = T (s)t (t) pont 4. Azon túl, hogy a bolhák ugrásainak a nagysága eponenciális eloszlást követ, tegyük fel még azt is, hogy a bolháknak kb. a fele ugrik nagyobbat, mint.5 méter. Kb. mennyi a 800 ugrás nagyságának (a) az átlaga? A megadott információ szerint P(X >.5) valószínűséget 0.5 -nek vesszük. Ezért T (.5) = 0.5, vagyis e λ.5 = 0.5 λ = ln().5 A nagy számok törvénye szerint a kísérleti eredmények átlaga a várható értéket közelíti. Eponenciális eloszlás esetén a várható érték (amit integrálással ki is lehet számolni) λ. Ezért a válasz a kérdésre:.5 ln() (b) négyzetének az átlaga? Vagy számolja ki a kérdezett értékeket, vagy ha tudja fejből a megfelelő képletet, dicsekedjen vele, és adja meg a megfelelő magyarázatot!

A nagy számok törvénye szerint a kísérleti eredmények négyzetének az átlaga a második momentumot közelíti. Eponenciális eloszlás esetén a második momentum (amit integrálással ki is lehet számolni) λ. Ezért a válasz a kérdésre: ( ).5 ln() 4 pont 5. Számítógéppel generálok két független, 0 és között egyenletes eloszlást követő RND, RND random számot. A másodikból köbgyököt vonok, így kapom Y -t: Y = (RND ) Ezek után Y -t megszorzom az elsővel, így kapom X -et: X = Y RND (a) Határozza meg (X, Y ) sűrűségfüggvényét! Y eloszlásfüggvénye: ) F (y) = P ((RND ) < y = P ( RND < y ) = y (0 < y < ) Y sűrűségfüggvénye: f (y) = y (0 < y < ) X feltételes sűrűségfüggvénye az Y = y feltétel mellett: f ( y) = y (0 < < y < ) (X, Y ) sűrűségfüggvénye: f(, y) = f (y)f ( y) = y y = y (0 < < y < ) (b) Határozza meg az X és Y közötti kovarianciát! ) ( ) E(X) = E ((RND ) RND = E (RND ) E (RND ) = 4 = 8 ( ) E(Y ) = E (RND ) = 0 y y dy = 4 ( ) ) ( ) E(XY ) = E (RND ) RND (RND ) = E ((RND ) RND = E (RND ) E (RND ) = 5 = 0 4

Itt felhasználtuk, hogy Végül a kovariancia ( ) E (RND ) = 0 y dy = 5 COV (X, Y ) = E (XY ) E (X) E (Y ) = 0 8 4 = 60 6. Tegyük fel, hogy (X, Y ) sűrűségfüggvénye f(, y) = y (0 < < y < ). Milyen függvénnyel tippeljünk X -ből Y -ra, ha az a cél, hogy (a) a hiba négyzetének a várható értéke minimális legyen? X sűrűségfüggvénye: f () = Y feltételes sűrűségfüggvénye az X = feltétel mellett: f (y ) = y dy = (0 < < ) y Y feltételes várható értéke az X = feltétel mellett: E(Y X = ) = A legjobb tippeléshez használandó függvény: = y (0 < < y < ) k() = y dy = (b) a hiba abszolút értékének a várható értéke minimális legyen? Y feltételes eloszlásfüggvénye az X = feltétel mellett: F (y ) = A feltételes medián meghatározásához az egyenlet: Az egyenlet megoldása y -ra: A legjobb tippeléshez használandó függvény: y y dy = y y = y = k() = + + 5