Villamosmérnök A4 3. gyakorlat ( ) Nevezetes diszkrét eloszlások

Hasonló dokumentumok
Matematika A4 III. gyakorlat megoldás

Feladatok és megoldások a 4. hétre

3. gyakorlat. 1. Független események. Matematika A4 Vetier András kurzusa február 27.

Valószínűségszámítás feladatok

5 3 0,8 0,2. Számolja ki a 3

Valószínőségszámítás feladatok A FELADATOK MEGOLDÁSAI A 21. FELADAT UTÁN TALÁLHATÓK.

Feladatok és megoldások a 8. hétre Építőkari Matematika A3

Valószínűségszámítás és statisztika előadás Info. BSC B-C szakosoknak. Bayes tétele. Példák. Események függetlensége. Példák.

Feladatok és megoldások az 1. sorozat Építőkari Matematika A3

3. gyakorlat. 1. További feladatok feltételes valószínűségekkel. 2. Független események

Legfontosabb bizonyítandó tételek

Negyedik A4 gyakorlat rövid megoldási útmutató

Villamosmérnök A4 4. gyakorlat ( ) Várható érték, szórás, módusz

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

Gyakorlat. Szokol Patricia. September 24, 2018

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

Gyakorló feladatok a 2. dolgozathoz

Matematika A3 Valószínűségszámítás, 0. és 1. gyakorlat 2013/14. tavaszi félév

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

1. Kombinatorikai bevezetés példákkal, (színes golyók):

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

TELJES VALÓSZÍNŰSÉG TÉTELE ÉS BAYES-TÉTEL

Valószínűségszámítás 2. rész Nevezetes diszkrét eloszlások GYAKORLÓ FELADATOK

Matematika B4 II. gyakorlat

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

Matematika A3 Valószínűségszámítás, 3. és 4. gyakorlat 2013/14. tavaszi félév

Valószín ségszámítás és statisztika

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

Folytonos valószínűségi változó: Lehetséges értéei egy folytonos tartományt alotna. Minden egyes érté 0 valószínűségű, csa tartományona van pozitív va

3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás:

file:///l:/valsz%c3%a1mstatv%c3%a9gleges/bernoulli/introduction...

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Bodó Beáta - MATEMATIKA II 1

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt

6. Bizonyítási módszerek

Klasszikus valószínűségszámítás

Nevezetes diszkre t eloszlá sok

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

Néhány kockadobással kapcsolatos feladat 1 P 6

Gyakorló feladatok valószínűségszámításból végeredményekkel. a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli

a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli

Dr. Tóth László, Kombinatorika (PTE TTK, 2007)

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?

A feladatok megoldása

Tizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

24. Kombinatorika, a valószínűségszámítás elemei

Valószínűségszámítás FELADATOK

MATEMATIKA HETI 5 ÓRA. IDŐPONT: június 8.

Valószínűség számítás

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

Matematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 3. MA3-3 modul. A valószínűségszámítás elemei

Valószínűségi változók. Várható érték és szórás

k n k, k n 2 C n k k=[ n+1 2 ] 1.1. ábra. Pascal háromszög

A sztochasztika alapjai. Szorgalmi feladatok tavaszi szemeszter

Felte teles való szí nű se g

Házi feladatok. Valószín ségszámítás és statisztika programtervez informatikusoknak, 2015 sz

Valószín ségszámítás és statisztika

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

Valószínűségszámítás

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

A szita formula és alkalmazásai. Gyakran találkozunk az alábbi kérdéssel, sokszor egy összetett feladat részfeladataként.

3. Egy fiókban 10 egyforma pár kesztyű van. Találomra kiveszünk négy darabot.

vásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az

XL. Felvidéki Magyar Matematikaverseny Oláh György Emlékverseny Galánta 2016 Megoldások 1. évfolyam. + x = x x 12

AGRÁRMÉRNÖK SZAK Alkalmazott matematika, II. félév Összefoglaló feladatok A síkban 16 db általános helyzetű pont hány egyenest határoz meg?

Sztochasztikus folyamatok alapfogalmak

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

Villamosmérnök A4 2. gyakorlat ( ) Feltételes valószínűség, függetlenség

Függvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány

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

Biomatematika 2 Orvosi biometria

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

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

0,9268. Valószín ségszámítás és matematikai statisztika NGB_MA001_3, NGB_MA002_3 zárthelyi dolgozat

[Biomatematika 2] Orvosi biometria

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

1.4 Hányféleképpen rakhatunk sorba 12 könyvet, ha 3 bizonyos könyvet egymás mellé akarunk rakni és

Tartalomjegyzék Szitaformulák Példák a szitaformulára Mintavételezés Bayes-tétel... 17

(6/1) Valószínűségszámítás

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

GAZDASÁGI MATEMATIKA II. VALÓSZÍNŰSÉGSZÁMÍTÁS

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Matematika szintfelmérő dolgozat a 2018 nyarán felvettek részére augusztus

Kiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok

1. Kombinatorikai bevezetés

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

aaa JÁTÉK CÉLJA aaa JÁTÉK RÉSZEI ÉS A JÁTÉKFELÜLET ÖSSZEÁLLÍTÁSA 1 kétoldalas kincses sziget tábla 1 vulkánsziget tábla 4 kétoldalas tenger tábla

A valószínűségszámítás elemei

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

[Biomatematika 2] Orvosi biometria

1. Fourier-sorok. a 0 = 1. Ennek a fejezetnek a célja a 2π szerint periodikus. 1. Ha k l pozitív egészek, akkor. (a) cos kx cos lxdx = 1 2 +

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Valószín ségszámítás gyakorlat Földtudomány BsC

6. HMÉRSÉKLETMÉRÉS. A mérés célja: ismerkedés a villamos elven mköd kontakthmérkkel; exponenciális folyamat idállandójának meghatározása.

BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3

Átírás:

1. Nevezetes diszrét eloszláso bemutatása Villamosmérnö A4 3. gyaorlat (01. 09. 4.-5. Nevezetes diszrét eloszláso (a Bernoulli eloszlás: Olyan ísérletet hajtun végre, amine eredménye lehet "sier" vagy "udarc", azaz a BERNOULLI(p eloszlású valószínűségi változó ét értéet vehet fel, 0-t és 1-et. Eor P(X = 1 = p a sier beövetezési valószínűsége és P(X = 0 = 1 p a udarcé. Példa: Dobóocával hatost dobo vagy sem. P(X = 1 = 1/6 = 1 P(X = 0 (b Diszrét egyenletes eloszlás: A valószínűségi változó véges so értéet vehet fel és ezeet azonos valószínűséggel veszi fel. Példa: Kocadobás eseten a dobott számo értée: P(X = 1 = P(X = =... =P(X = 6 = 1/6 (c Binomiális eloszlás: BIN(n, p eloszlású az a valószínűségi változó, ami n darab független, egyenént p valószínűséggel sierrel járó ísérlet özül a siereet számolja. ( n P(X = = p (1 p n, ahol = 0, 1,... n Példa: 0 ocadobásból a hatos dobáso számána eloszlása: P(X = = ( 0 (1/6 (5/6 0. (d Geometriai eloszlás: GEO(p eloszlású az a valószínűségi változó, ami az első sier eléréséhez szüséges ísérleteet számolja, ahol a független ísérleteben a sier valószínűsége p. P(X = = (1 p 1 p, ahol = 0, 1,... Példa: Az első hatos dobásig eltelt dobáso száma: P(X = = (5/6 1 (1/6. (e Negatív binomiális eloszlás: NBIN(l, p eloszlású az a valószínűségi változó ami azt számolja, hogy hány ísérlet övetezi be az l-di sierig, ahol a független ísérleteben a sier valószínűsége p. ( 1 P(X = = p l (1 p l, ahol = l, l + 1, l +... l 1 A dobáso számána eloszlása a harmadi hatos dobásig: P(X = = ( 1 (1/6 3 (5/6 3. (f Hipergeometriai eloszlás: n golyó özül n 1 piros színű, n n 1 pedig feete színű. r-et ihúzun, és az eze özött lévő piros golyó számát vizsgálju. P(X = = ( n1 ( n n1 r ( n r Példa: Találato száma az 5-ös LOTTÓ-n: P(X = = (5 ( 85 3 ( 90 (g Poisson eloszlás: POI(λ eloszlású a valószínűségi változó, ha so, pici valószínűségű, független esemény özül beövetezett eseményeet számolja. P(X = = e λ λ 5., ahol = 0, 1,...! Példa: Mazsolá száma egy szelet süteményben, a sajtóhibá száma az újságban, Magyarországon beövetező földrengése száma... stb.. Milyen nevezetes eloszlással modellezhetjü a övetező valószínűségi változóat: (a hányadi autó veszi fel Tódort, amior iáll az országútra, mert autóstoppal aar utazni? Megoldás: geometriai eloszlással (b 10 autó özül hány vesz fel stopposoat? Megoldás: binomiális eloszlással (c 10 perc alatt hány autó áll meg stopposona? Megoldás: Poisson eloszlással 3. Egy gyárban futószalag szállítja az alatrészeet. A futószalag leáll, ha selejtes termé érezi. A termée %-a selejtes. Mi az eloszlása anna a valószínűsége változóna, ami azt számolja, hogy (a hányszor állt le a szalag az n-edi terméig (őt is beleértve? (b hány terméet gyártott a gép az n-edi leállásig? (c hány terméet szállított ét leállás özött? (d hány leállás történt egymás után addig, amíg a legelső jó termé eletezett? Megoldás:

(a Az eloszlás binomiális (BIN(n, p, a leállás ("sier" valószínűsége p = 0.0. Tehát P(X = = ( n 0.0 0.98 n. (b Az eloszlás negatív binomiális (N BIN(n, p, a leállás ("sier" valószínűsége p = 0.0. Tehát P(X = = 1choosen 10.0 n 0.98 n. (c Az eloszlás geometriai (GEO(p, a leállás ("sier" valószínűsége p = 0.0. Tehát P(X = = 0.98 1 0.0. (d Az eloszlás most is geometriai (GEO(p, csa a "sier" ebben az esetben a jó termé gyártása, enne valószínűsége p = 0.98. Tehát P(X = = 0.0 1 0.98. 4. Egy A4-es csoportban 30 hallgató van. A szeptember 4-ei órára 9-an nem észülte. Az otató ijelölt 7 hallgatót, aine röpzh-t ellett írniu. Mennyi anna a valószínűsége, hogy pontosan észületlen hallgatóna ell röpzh-t írnia? Adju meg a észületlenül röpzh-t író hallgató számána eloszlását! Megoldás: Ha X-szel jelöljü a észületlenül röpzh-t író számát, aor X hipergeometriai eloszlást övet. Tehát ( 1 5 P(X = = ( 9 7. Tetszőleges esetén az eloszlás a övetező: ( 9 1 P(X = = ( 7. 7 5. A Schönherz Zoltán Kollégiumban egy évben 0.38 valószínűséggel üt i tűz. (a Mi anna a valószínűsége, hogy pontosan 10 év teli el a övetező tűzeset beövetezéséig? (b Mi anna a valószínűsége, hogy pontosan 30 év teli el a 4. tűzeset beövetezéséig? Megoldás: (a Jelöljü X-szel a övetező tűzeset beövetezéséig eltelt éve számát. Eor X GEO(p = 0.38 eloszlást övet. Azaz P(10 év teli el a övetező tűzesetig = P(X = 10 = 0.6 9 0.38. (b Jelöljü Y -nel a 4. tűzeset beövetezéséig eltelt éve számát. Eor X NBIN(4, p = 0.38 eloszlást övet. Azaz ( 9 P(30 év teli el a 4. tűzesetig = P(X = 30 = 0.6 6 0.38 4. 3 6. Huba vett egy doboz gumicurot, melyne 35%-a piros színű, a többi pedig lila. Véletlenszerűen iválaszt 1 curot. Mennyi anna a valószínűsége, hogy (a ettőnél több piros cuor lesz a iválasztotta özött? (b legalább négy, de legfeljebb hét lila cuor lesz a iválasztotta özött? Megoldás: (a A iválasztott piros curo X száma binomiális eloszlást övet n = 1 és p = 0.35 paramétereel. Eor a eresett valószínűség P(X > = 1 P(X = 1 =0 ( 1 0.35 0.65 1. (b A iválasztott lila curo Y száma binomiális eloszlást övet n = 1 és p = 0.65 paramétereel. Eor a eresett valószínűség P(4 X 7 = 1 7 =4 ( 1 0.65 0.35 1. 7. Valamely pénznyerő automata a tapasztalato szerint az egyes játéosotól függetlenül a játéo 5%-ában ad valamilyen pénznyereményt. Mennyi anna a valószínűsége, hogy a 15. játénál nyerün először? Megoldás: Legyen X az első nyerésig beövetező játéo száma. Eor X GEO(p = 0.05 eloszlást övet. Így a eresett valószínűség P(X = 15 = 0.95 14 0.05.

8. Egy péségben szeletelt mazsolás alácsoat észítene. Minden negyedi szeletben nincs mazsola. Mennyi anna a valószínűsége, hogy egy véletlenszerűen iválaszott szelet alácsban ét mazsola van? Megoldás: A alácsban lévő mazsolá X száma Poisson eloszlást övet valamilyen ismeretlen λ paraméterrel. A feladat szövege alapján P(X = 0 = 1/4. Felírva az eloszlást apju, hogy e λ = 1/4, azaz λ = ln(1/4. Eze után apju a eresett valószínűséget: P(X = = 1 4 ( ln(1/4.! 9. Anna a valószínűsége, hogy egy veszélyeztetett cseresznyésert egy cseresznyéjében ét uac van, étszer aora, mint az, hogy nincs benne uac. Mennyi anna a valószínűsége, hogy (a 0 véletlenszerűen iválasztott cseresznyében nincs uac? (b csa egy uac van egy cseresznyében? (c 0 cseresznyében összesen 0 uacot találun? Megoldás: Az egy cseresznyében lévő uaco X száma Poisson eloszlást övet valamilyen ismeretlen λ paraméterrel. A feladat szövege alapján P(X = 0 = P(X =. Felírva az eloszlásoat apju, hogy λ =. Ezalapján tehát ha egy cseresznyében átlagosan uac van, aor 0 cseresznyében átlagosan 40 uac. Azaz a 0 cseresznyében lévő uaco Y száma P OI(λ = 40 eloszlást övet. (a P(Y = 0 = e 40 (b P(X = 1 = e 1! 40 400 (c P(Y = 0 = e 0! 10. Augusztusi éjszaáon megfigyelése szerint átlagosan 1 percenént észlelhető csillaghullás. Mennyi a valószínűsége anna, hogy 3 óra és éjfél özött 4 hullócsillagot észlelün? Megoldás: Az augusztusi éjszaáon beövetező csillaghulláso száma Poisson eloszlású valószínűségi változóna teinthető. Ha átlagosan 1 percenént észlelhető csillaghullás, aor a vizsgált 60 perces időtartamban átlagosan 5 csillaghullás fog beövetezni. Azaz ha X-szel jelöljü a 3 óra és éjfél özött beövetező csillaghulláso számát, aor X P OI(λ = 5 eloszlást övet. Eor pedig a érdés megválaszolásához a P(X = 4 valószínűség értéet ell iszámolnun. 5 54 P(X = 4 = e 4! 11. Egy onferencián 30 villamosmérnö és 4 informatius hallgató vesz részt. Az 54 résztvevőből 6-ot iválasztana, ai egy fórumon veszne részt. Mennyi anna a valószínűsége, hogy legalább ét informatius lesz özöttü? Megoldás: Jelölje X a iválasztott informatius hallgató számát. Eor X hipergeometriai eloszlást övet. Legalább ét iválasztott informatius azt jelenti, hogy, 3, 4, 5 illetve 6 informatius is lehet özöttü. Ez túl so számolást jelent, így önnyebb iszámolnun a omplementer esemény valószínűségét, azaz azt, hogy legfeljebb 1 informatius van a iválasztotta özött. ( 4 ( 4 0 1 P(X = 1 P(X 1 = 1 6 ( 54 6 5 ( 54 6 1. Egy rozsomá elindul a számegyenes origójából. Minden lépésnél 1/ valószínűséggel jobbra, 1/ valószínűséggel balra lép, az előző lépéseitől függetlenül. 0 lépés megtétele után (a mennyi anna a valószínűsége, hogy a 0-ban van? (b mennyi anna a valószínűsége, hogy az 1-ben van? (c mennyi anna a valószínűsége, hogy a ( -ben van? (d mennyi anna a valószínűsége, hogy a ( -ben van, ha az utolsó előtti lépés után a ( 3-ban volt? Megoldás: Jelölje X a rozsomá által megtett balra lépése számát. Eor X BIN(0, 1/ eloszlást övet. (a Aor és csa aor lesz a 0-ban, ha a 0 lépése özül pontosan 10 volt balra lépés, és 10 jobbra lépés. Azaz ( ( 10 ( 10 0 1 1 P(0-ban van = P(X = 10 = 0.176. 10 (b Páros számú lépés után csa páros pozícióban lehet a rozsomá, így P(1-ben van = 0. (c Aor lesz a rozsomá a ( -ben, ha pontosan 11-szer lépett balra, és 9-szer jobbra. Azaz P(( -ban van = P(X = 11 = ( 0 11 ( 1 11 ( 9 1 0.16.

(d Ha az utolsó előtti lépés után a ( 3-ban volt, aor 1 eséllyel lép egyet jobbra, a ( -be. 13. Átlagosan hány mazsolána ell lennie egy sütiben, ha azt ívánja elérni a curász, hogy egy véletlenszerűen iválaszott sütiben legalább 0, 99 valószínűséggel legyen (legalább egy szem mazsola? Megoldás: Az egy szeletben található mazsolá száma ismeretlen λ paraméterű Poisson eloszlású valószínűségi változóna teinthető. Így a érdés úgy szól, hogy meora legyen λ ahhoz, hogy P(X 1 0.99 igaz legyen. A valószínűség iszámításához át ell térnün a omplementer eseményre, azaz P(X 1 = 1 P(X = 0. Eze után felírva a fenti egyenlőtlenséget, apju, hogy 1 P(X = 0 0.99 λ λ0 1 e 0! 0.99 0.01 e λ ln 0.01 λ λ ln 0.01 = 4.6 Azaz átlagosan 4.6 mazsolána ell lennie egy sütiben. 14. Egy erdőben 0 őz él, melyeből 5-öt befogta, megjelölte, majd visszaengedte.később ebből a 0 őzből 4-et újra befogna. Mennyi anna a valószínűsége, hogy az újra befogott 4 őzből pontosan ettő van megjelölve? Megoldás: Jelölje X az újra befogott és megjelölt őze számát. Eor X hipergeometriai eloszlást övet. Ahhoz, hogy megjelölt és nem megjelölt őzet fogjun, -t ell iválasztanun az 5 megjelölt őzből, és -t a 15 nem megjelölt őzből. Ezalapján ( 5 ( 15 P(X = = ( 0 0.. 4 A érdést máshogy is megtámadhatju, ha az idő visszafordításával azt érdezzü, hogy mennyi a valószínűsége anna, hogy az általun fogott 4-ből, és az általun nem megfogott 16-ból 3 őz van megjelölve. Eor a válasz ( ( 4 16 ( 3 / 0 5. A binomiális együtható ifejtése után láthatju, hogy a ét válasz megegyezi. 15. A Kocogj Velün! mozgalom eretében tavaly futóversenyt rendezte a Duna-anyarban. A pályát sajnos ullanccsal fertőzött területen át vezetté. Kiderült, hogy a versenyző özül 300-an találta maguban egy, 75-en pedig ét ullancsot. Enne alapján becsüljü meg, hogy örülbelül hányan indulta a versenyen. Megoldás: Az egy versenyzőben talált ullancso X száma Poisson eloszlású, valamilyen ismeretlen λ paraméterrel. Ha n versenyző indult, aor a megadott adato alapján özelítőleg P(X = 1 300 n, míg P(X = 75 n. A Poisson eloszlás segítségével tehát meg ell oldanun az λ 1 1! e λ 300 n λ! e λ 75 n egyenletrendszert. A másodi egyenletet elosztva az elsővel apju, hogy λ/ 1/4, azaz λ 1/. Így az első egyenlet alapján apju, hogy n 300e λ /λ 989. 16. 100 ulcsun özül csa 1 nyitja az előttün álló ajtót. A sötétben nem látju, hogy melyi ulcsot próbáltu már i, így a próbálgatáso során többször is ezünbe erülhet ugyanaz a ulcs. Mennyi anna a valószínűsége, hogy legfeljebb 50 próbálozással inyitju az ajtót? Megoldás: Feltesszü, hogy a ulcso próbálgatását függetlenül és minden ulcsna egyenlő esélyt adva végezzü. Eor minden próbálozásnál 1/100 valószínűséggel leszün sierese. Ismét úgy számolhatju i a eresett valószínűséget egyszerűbben, ha áttérün a omplementer esemény valószínűségéne iszámítására. Az első 50 próbálozás nem sierül, ha 50-szer nem a megfeleő ulcs aad a ezünbe. Enne az esélye ( 99 100 50. Tehát ha X jelöli a próválozáso számát, aor ( 50 99 P(X 50 = 1 P(X > 50 = 1 0.395. 100 Ha a ipróbált ulcsoat félretesszü, aor legfeljebb 50 próbálozásra inyitju az ajtót, ha a ulcso véletlen ipróbálási sorrendjében a megfelelő ulcs benne volt az első 50-ben. Mivel a véletlen sorrendben ez a ulcs bárhol egyenlő eséllyel lehet, a valószínűség eor 50/100 = 0.5 lenne. 17. Blicc úr minden nap villamossal megy dolgozni, de nincs bérlete, sem jegye. A villamosra minden nap 0, valószínűséggel száll fel ellenőr, és ilyenor 0, 8 valószínűséggel elapja Blicc urat. (Az ellenőr minden nap az addigiatól függetlenül dönti el, hogy ellenőrzi-e aznap Blicc úr villamosát.

(a Mennyi anna a valószínűsége, hogy Blicc úrna "szerencsés hete" van, azaz az 5 munanap egyién sem ell büntetést fizetnie? (b Mennyi anna a valószínűsége, hogy pontosan étszer apjá el egy hét munanapjai alatt? (c Feltéve, hogy Blicc úrna "szerencsés" hete volt, mennyi anna a valószínűsége, hogy mind az ötször volt ellenőr a villamoson? (d Mennyi anna a valószínűsége, hogy csütörtöön bünteti meg Blicc urat először? Megoldás: Blicc urat minden nap egymástól függetlenül p = 0. 0.95 = 0.19 valószínűséggel bünteti meg. Ha X-szel jelöljü az öt nap alatti büntetése számát, aor X BIN(5, p eloszlást övet. Ezért (a P(nem ell büntetést fizetnie = P(X = 0 = ( 5 0 0.190 0.81 5 0.349 (b P(étszer apjá el = P(X = = ( 5 0.19 0.81 3 0.19 (c Legyen E az az esemény, hogy mind az ötször volt ellenőr a villamoson, F az az esemény, hogy Blicc úrna szerencsés hete volt. Eor P(RF = P(F E P(E anna a valószínűsége, hogy mint az ötször volt ellenőr, de Blicc úr mind az ötször megúszta a büntetést, P(F -et pedig az (a részben iszámoltu. Így P(E F = P(F E P(E P(F = 0.055 0. 5 0.349.87 10 10. (d A hét első három napján Blicc úr nem apott büntetést, a negyedi napon apott. Jelölje Y az első olyan napot, amior Blicc urat megbüntetté. Eor X GEO(p eloszlást övet, tehát P(csütörtöön bünteti először = P(Y = 4 = 0.81 3 0.19 0.101. 18. Feltesszü, hogy egy országban az öngyilosságo gyaorisága havonta és 100.000 laosonént átlagosan 1 öngyilosság. (a Mennyi anna a valószínűsége, hogy az ország egy 400.000-es városában 8 vagy több öngyilosság történi egy adott hónapban? (b Mennyi anna a valószínűsége, hogy lesz legalább olyan hónap az évben, amior a városban 8 vagy több öngyilosság történi? (c Ha a folyó hónapot számolju az első hónapna, mennyi anna a valószínűsége, hogy az első olyan hónap, amior 8 vagy több öngyilosság történi a városban az i-edi hónap lesz, i 1? Megoldás: Feltesszü, hogy a laoso egymástól függetlenül, az év bármely időszaában egyforma valószínűséggel leszne öngyiloso. (a A 400000-res városban várhatóan 4 öngyilosság történi havonta, ezért az öngyilosságo X száma Poisson eloszlású λ = 4 paraméterrel. Eor p = P(X 8 = 1 P(X 7 = 1 7 P(X = j = 1 j=0 7 j=0 4 j j! e 4 0.0511 (b Az ilyen hónapo Y száma az évben BIN(1, p eloszlást övet (itt p értée az (a részben már iszámoltu. Tehát P(Y = 1 P(Y = 0 P(Y = 1 = ( 1 = 1 0 0.0511 0 (1 0.0511 1 ( 1 0.0511 1 (1 0.0511 11 0.13 1 (c Az első ilyen hónap sorszáma egy Z geometriai eloszlású valószínűségi változó a fenti p paraméterrel. Tehát P(Z = i = (1 0.0511 i 1 0.0511. 19. Egy városban átlagosan 15 baleset övetezi be egy hét alatt. Ezen balesete 0%-ában sajnos súlyos sérülés is történi. Mennyi anna a valószínűsége, hogy (a egy hét alatt 13 baleset övetezi be? (b egy hét alatt 4 súlyos sérüléseel járó baleset övetezi be? (c egy hét alatt 13 baleset övetezi be, amiből 4 súlyos sérüléseel is jár Megoldás: Jelölje X az egy hét alatt beövetezett balesete számát, illetve Y az egy hét alatt beövetezett súlyos balesete számát. Eor mindét valószínűségi változón Poisson eloszlást övet: X P OI(15, Y P OI(3. 15 1513 (a P(X = 13 = e 13! (b P(Y = 4 = e 3 34 4!

(c P(X = 13, Y = 4 = P(Y = 4 X = 13P(X = 13 = e.6 (.6 4 15 1513 4! e 13! Itt a feltételes valószínűségdefiníciója mellett felhasználtu azt, hogy az Y X = 13 valószínűségi változó is Poisson eloszlást övet λ =.6 paraméterrel. 0. Van ét érmém, az egyi igazságos érme, a mási cinelt, de ránézésre nem tudom őet megülönböztetni egymástól. A cinelt érme 3/4 valószínűséggel mutat fejet. Előveszem az egyi érmét a zsebemből, 1/ eséllyel az igazságosat, 1/ eséllyel a cineltet. A iválaszott érmét feldobom 30-szor és azt tapasztalom, hogy 5-ször mutatott fejet. Mennyi anna a valószínűsége, hogy a cinelt érmét vettem elő? Megoldás: Legyen X a dobott feje száma, C pedig az az esemény, hogy a cinelt érmével dobtam. Eor a Bayes-tételt használva apju, hogy P(C X = 5 = P(X = 5 C P(C P(X = 5 C P(C + P(X = 5 C P( C = = ( 3 5 ( 1 5 1 5 4 4 ( 3 5 ( 1 5 1 5 4 4 + ( ( 30 1 5 ( 1 5 1 5 = 3 5 3 5 0.9987 + 30 A megoldásban felhasználtu, hogy az (X = 5 C valószínűségi változó BIN(30, 3/4, míg a (X = 5 C valószínűségi változó BIN(30, 1/ eloszlást övet.