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

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Valószínűségszámítás összefoglaló

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

1. zárthelyi,

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

Gyakorló feladatok a Termelésszervezés tárgyhoz MBA mesterszak

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

A Statisztika alapjai

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

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

A valószínűségszámítás elemei

Valószínűségszámítás és Statisztika I. zh november MEGOLDÁS

Diszkrét matematika 2. estis képzés

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

NEVEZETES FOLYTONOS ELOSZLÁSOK

1. tétel - Gráfok alapfogalmai

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

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

Diszkrét matematika 2.C szakirány

Diszkrét matematika 1. estis képzés

KÖVETKEZTETŐ STATISZTIKA

Diszkrét matematika 2.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

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

[Biomatematika 2] Orvosi biometria

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Diszkrét matematika 2. estis képzés

Diszkrét Matematika GYAKORLAT, Levelező MSc hallgatók számára. 3. Feladatsor

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Biomatematika 2 Orvosi biometria

Diszkrét matematika 2.C szakirány

egyetemi jegyzet Meskó Balázs

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2.C szakirány

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

Valószínűségszámítás és statisztika

Diszkrét matematika 2. estis képzés

Feladatok és megoldások a 13. hétre

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

Diszkrét matematika 2.C szakirány

Bonyolultságelmélet. Monday 10 th October, 2016, 17:44

Gazdasági matematika II. Tantárgyi útmutató

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

Biometria gyakorló feladatok BsC hallgatók számára

Bonyolultságelmélet gyakorlat 06 Gráfos visszavezetések II.

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

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

Diszkrét matematika 2.C szakirány

10. Exponenciális rendszerek

Valószínűségi változók. Várható érték és szórás

Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Diszkrét matematika 2. estis képzés

Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:

Kísérlettervezés alapfogalmak

STATISZTIKA PÉLDATÁR

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3

Algoritmusok bonyolultsága

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =

A valószínűségszámítás elemei

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

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Gráfelméleti alapfogalmak

Algoritmusok bonyolultsága

Diszkrét matematika 2.

Diszkrét matematika 1. estis képzés

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Centrális határeloszlás-tétel

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.

[Biomatematika 2] Orvosi biometria

SzA II. gyakorlat, szeptember 18.

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

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Feladatok. 7. Tíz rabló a kincseit egy több lakattal lezárható ládában gyűjti. Az egyes lakatokat egy-egy

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Statisztika Elıadások letölthetık a címrıl

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Kutatásmódszertan és prezentációkészítés

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

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Bevezetés a számításelméletbe II. Zárthelyi feladatok április 23.

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)

Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

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

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

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

Készítette: Fegyverneki Sándor

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

Gráfelméleti feladatok programozóknak

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Átírás:

Régebbi Matek M1 zh-k Folyamfeladatokkal, többszörös összef ggőséggel, párosításokkal, Nagy szḿok törvényével, Centrális Határeloszlás tétellel, sztochasztikus folyamatokkal kapcsolatos feladatai. Gráfok 1-5. Gyakoroljuk konkrét folyamfeladatok optimális folyamainak megkeresését (Ford- Fulkerson algoritmust). 6. Lehet-e egy 2016-szorosan összefüggő G gráfban minden pont foka 2000? Indokoljunk. 7.Egy tanszék 16 oktatójának 16 kurzust kell megtartania. E kurzusok közül, minden oktató legalább 8 féle kurzust meg tud tartani, és minden kurzushoz van legalább 8 oktató, akik az adott kurzust meg tudják tartani. Igazoljuk, hogy a 16 oktató beosztható úgy, hogy mindegyikük pontosan 1 kurzust tart meg a 16-ból. 8. A G gráf csúcsai az {1, 2,..., 2016} 3-elemű részhalmazai; az a b csúcsok között pontosan akkor van él, ha a b. (a) Hány közös szomszédja van G két nem szomszédos csúcsának? (b) Igazoljuk, hogy G legalább 18-összefüggő. 9. Legyen G egy páros gráf, és legyen F a G egy feszített részgráfja. Igaz-e, hogy ha F -ben van teljes párosítás, akkor G-ben is van? Igaz-e, hogy ha G-ben van teljes párosítás, akkor F -ben is van? 10. Igazoljuk, hogy ha a G = V, E gráf 6-szorosan élösszefüggő, akkor 3 V E (azaz G éleinek száma nagyobb vagy egyenlő, mint csúcsai számának 3-szorosa). 11. Legyen A egy 2016 elemű halmaz, és legyen B az A 2-elemű részhalmazainak hal- 1

maza. Legyen G az a páros gráf, melynek csúcshalmaza A B és az x A, y B pontok pontosan akkor vannak összekötve, ha x y. Van-e G-ben A-t lefedő párosítás? Indokoljunk. 12. Legyen X = {1, 2,..., 2017} és álljon az A halmaz az X 2-elemű részhalmazaiból, és B az X 3-elemű részhalmazaiból. Az A és B halmazokon legyen G a következő páros gráf: ha x A, y B, akkor G-ben x, y pontosan akkor él, ha x y. Van-e G-ben A-t lefedő párosítás? Indokoljunk. 13. Igazoljuk, hogy ha egy 3-reguláris gráf k-szorosan élösszefüggő, akkor k-szorosan összefüggő is. Indokoljunk. Valószínűségszámítás 14. Egy bank-automatából az ügyfelek egymástól függetlenül, véletlennek tekinthető összegeket vesznek ki, 100000 (százezer) FT várható értékkel, 20000 (húszezer) FT szórással. A műszak elején az automatába 6 millió FT-ot helyeznek el. Becsüljük meg annak valószínűségét, hogy 50.-ként érkezve fel tudunk venni 400000 (négyszázezer) FT-ot (van ennyi a számlánkon). 15. Az előző bank-automatától az ügyfelek (egymástól függetlenül) p = 0, 2 valószínűséggel kérnek számlát a tranzakciójukról. (a) Becsüljük meg annak valószínűségét, hogy 1000 ügyfél kiszolgálása után a kiállított számlák száma 170 és 230 között lesz. (b) Adjuk meg annak valószínűségét, hogy épp az n.-nek érkező ügyfél lesz a 4. olyan, aki számlát kér. 16. Az előző bank-automatához óránként várhatóan 2 olyan ügyfél érkezik, akik kérnek számlát a tranzakciójukról. Adjuk meg annak valószínűségét, hogy (a) az első olyan ügyfél érkezése után, aki nem kér számlát, a következő 20 percben érkező ügyfelek közül pontosan 3 olyan lesz, aki kér számlát; (b) az első számlát kérő ügyfél érkezése utáni 20 percben összesen 3 ügyfél érkezik, és ezek egyike sem kér számlát. 2

17. Egy jegyellenőr (egymástól függetlenül) p = 0, 02 valószínűséggel talál bliccelő utast. (a) Becsüljük meg annak valószínűségét, hogy 1000 utas ellenörzése után a bliccelők száma 16 és 24 között lesz. (b) Mi annak a valószínűsége, hogy épp az n.-nek ellenőrzött utas lesz a 2. bliccelő? 18. Egy menetjegy-árushoz óránként várhatóan 20 ügyfél érkezik, akik közül várhatóan 4-en kérnek bérletet (a többiek jegyet kérnek). (a) Adjuk meg annak valószínűségét, hogy az első olyan utas érkezése után, aki bérletet kér, a következő 20 percben érkező utasok közül pontosan 4 olyan lesz, aki jegyet kér; (b) Adjuk meg annak valószínűségét, hogy az első jegyet kérő utas érkezése utáni 20 percben összesen 4 utas érkezik, és ezek mindegyike bérletet kér. 19. Egy fagyizóban a vevők egymástól függetlenül, számunkra ismeretlen p valószínűséggel kérnek csokifagyit. Az ismeretlen p értékét úgy próbáljuk meghatározni, hogy megfigyeljük a következő n vevőt, és p-t a csokifagyi-vásárlás relatív gyakoriságával közelítjük. Adjunk becslést n-re, ha azt szeretnénk, hogy közelítésünk legalább 99%-os valószínűséggel legfeljebb 0, 05-el térjen el p tényleges értékétől. 20. Az előző fagyizóban 25-en állnak sorba; az egyes vevők kiszolgálásához szükséges idők egymástól független, azonos eloszlásű valószínűségi változók 1 perc várható értékkel, 0, 5 perc szórással. Adjunk becslést annak valószínűségére, hogy a 25. vevőt is kiszolgálják 30 percen belül. 21. Az előző fagyizóban a vevők egymástól függetlenül, p = 0, 3 valószínűséggel kérnek eperfagyit. (a) Adjuk meg annak valószínűségét, hogy az első 5 vevő közül pontosan a 2. és az 5. vevő kér eperfagyit. (b) Adjuk meg annak valószínűségét, hogy a 10. vevő lesz a 4. olyan, aki eperfagyit kér. 22. Egy gyorsétteremben korlátlanul lehet üdítőitalt fogyasztani; 6 féle üdítőből lehet választani. A vendégek egymástól függetlenül, azonos valószínűséggel választanak az üdítők közül. Határozzuk meg annak valószínűségét, hogy nyitás után 3

(a) Az első 10 vendég közül pontosan 4 választja az első fajta üdítőt; (b) Pontosan a 10. vendég lesz a 4. olyan, aki az első fajta üdítőt választja. 23. Az előző gyorsétteremben várhatóan óránként 20 műanyag poharat használnak el a vendégek. Adjuk meg annak valószínűségét, hogy a következő 8 órában legfeljebb 150 darab műanyag pohárra lesz szükség. 24. Az előző gyorsétteremben az új (fel nem használt) műanyag poharak 50-es csomagokban vannak. Nyitáskor kibontanak egy ilyen 50-es csomagot. Az előző feladat adatait használva adjuk meg, hogy várhatóan mennyi idővel később kell a következő 50-es csomagot felbontani. 25. Egy gyorsétteremben a vendégek egymástól függetlenül, véletlennek tekinthető mennyiségű üdítőt isznak, 3 dl várható értékkel, 1 dl szórással. Mennyi annak valószínűsége, hogy a következő 100 vendég együttes üdítő-fogyasztása 32 liter alatt marad? Indokoljunk. 26. Egy postahivatalban az ügyfelek egymástól függetlenül, 0,3 valószínűséggel akarnak csomagot feladni. Határozzuk meg annak valószínűségét, hogy nyitás után (a) Az első 20 ügyfél közül legalább 4 akar csomagot feladni; (b) Pontosan a 25. ügyfél lesz a 6. olyan, aki csomagot akar feladni. 27. Az előző postahivatalban várhatóan óránként 30 ügyfél érkezik. Adjuk meg annak valószínűségét, hogy a következő 8 órában összesen legfeljebb 60 ügyfél ad fel csomagot. 28. Az előző feladatok adatait használva adjuk meg annak valószínűségét, hogy a következő órában egyetlen ügyfél sem akar csomagot feladni. 29. Egy 530 méter hosszú utca szélén sorban, egymás mögött 100 autó parkol; az egyes autók által elfoglalt rész valószínűségi változó 5m várható értékkel, és 1m szórással. Becsüljük meg annak valószínűségét, hogy a 101.-nek érkező kisbusz le tud parkolni az utca végén, ha a kisbusznak legalább 10m szabad hely kell (10m már elég). 4

30. Egy autó-szervízbe az ügyfelek 0, 25 valószínűséggel ellenőriztetik a fékeket is. Határozzuk meg annak valószínűségét, hogy (a) A következő 20 ügyfél közül pontosan 3 ellenőrizteti autója fékjeit is; (b) Pontosan a 15. ügyfél lesz az 5. olyan, aki ellenőrizteti autója fékjeit is. 31. Tudjuk, hogy annak valószínűsége, hogy a következő 5 munkanapon az előző szervízbe érkező ügyfelek egyike sem ellenőrizteti autója fékjeit, p = e 15. (a) Várhatóan hány ügyfél ellenőrizteti autója fékjeit a következő munkanap? (b) Adjuk meg annak valószínűségét, hogy a következő 3 munkanapon legfeljebb 7 ügyfél ellenőrizteti autója fékjeit. 32. Az előző feladatok adatait használva adjuk meg annak valószínűségét, hogy (24 órás munkanapokat feltételezve) a 10. ügyfél érkezése után legfeljebb 2 munkanapot kell várni a következő olyan ügyfél érkezéséig, aki ellenőrizteti autója fékjeit. 33. Jelölje ξ azt a valószínűségi változót, hogy egy adott autószerelő mennyi idő alatt cseréli le a téli gumikat nyáriakra. Tudjuk, hogy ξ várható értéke 30 perc, szórása 10 perc. A téli gumik lecserélésének egységára 5000F T. Becsüljük meg annak valószínűségét, hogy 100 gumicsere után a téli gumik lecserélésére fordított idő alatt munkaóránként legalább 9375 FT bevétele keletkezett az autószerelőnknek. A sztenderd normális eloszlásfüggvény (Φ függvény) néhány értéke - Φ(0) = 0, 5, Φ(1) = 0, 8413 Φ(2) = 0, 9772 Φ(3) = 0, 9987, Φ(4) = 0, 9999 Φ(5) = 0, 9999-5