A valószínűségszámítás alapjai

Hasonló dokumentumok
24. Kombinatorika, a valószínűségszámítás elemei

24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.

3. Valószínűségszámítás

Valószínûség számítás

Dr. Tóth László, Kombinatorika (PTE TTK, 2007) nem vagyunk tekintettel a kiválasztott elemek sorrendjére. Mennyi a lehetőségek száma?

Statisztika 1. zárthelyi dolgozat március 21.

1.1. Műveletek eseményekkel. Első fejezet. egy véletlen esemény vagy bekövetkezik, vagy nem következik be. Egyszerű

Diszkrét matematika KOMBINATORIKA KOMBINATORIKA

Pályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér

Legfontosabb bizonyítandó tételek

1. Komplex szám rendje

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Kombinatorika (2017. február 8.) Bogya Norbert, Kátai-Urbán Kamilla

1. tétel. Halmazok, halmazműveletek, halmazok számossága, halmazműveletek és logikai műveletek kapcsolata.

BIOMATEMATIKA ELŐADÁS

A matematikai statisztika elemei

Eseményalgebra, kombinatorika

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Statisztika 1. zárthelyi dolgozat március 18.

Komputer statisztika

1. A radioaktivitás statisztikus jellege

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

FELADATOK a Bevezetés a matematikába I tárgyhoz

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

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

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

3.1. A Poisson-eloszlás

Komplex számok. 6. fejezet. A komplex szám algebrai alakja. Feladatok. alábbi komplex számokat és helyvektorukat:

Metrikus terek. továbbra is.

3. A VALÓSZÍNŰSÉG-ELMÉLET ALAPJAI

n akkor az n elem összes ismétléses ... k l k 3 k 1! k 2!... k l!

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

Eseme nyalgebra e s kombinatorika feladatok, megolda sok

[Biomatematika 2] Orvosi biometria

Tartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13

A valószínűségszámítás elemei

Valószínűségszámítás alapjai szemléletesen

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

VEKTORGEOMETRIA. Mit nevezünk null vektornak? Olyan vektort, amelynek a nagysága (abszolút értéke) 0 és az iránya tetszőleges.

Biomatematika 2 Orvosi biometria

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN

Pl.: hányféleképpen lehet egy n elemű halmazból k elemű részhalmazt kiválasztani, n tárgyat hányféleképpen lehet szétosztani k személy között stb.?

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

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

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

9. tétel: Elsı- és másodfokú egyenlıtlenségek, pozitív számok nevezetes közepei, és ezek felhasználása szélsıérték-feladatok megoldásában

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

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

Mőbiusz Nemzetközi Meghívásos Matematika Verseny Makó, március 26. MEGOLDÁSOK

A valószínűségszámítás elemei

VALÓSZÍNŰSÉGSZÁMÍTÁS KÉPLETTÁR

Valószínűségszámítás összefoglaló

Matematika B4 I. gyakorlat

Feladatok és megoldások a 11. heti gyakorlathoz

Kutatói pályára felkészítı modul

m,p) binomiális eloszlás.

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

V. GYAKORLATOK ÉS FELADATOK ALGEBRÁBÓL

Számelméleti alapfogalmak

Megjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia

5 3 0,8 0,2. Számolja ki a 3

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

A peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.

Valószínűségszámítás

Kalkulus II., második házi feladat

Matematika A4 III. gyakorlat megoldás

Matematikai statisztika

24. tétel Kombinatorika. Gráfok.

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

Orosz Gyula: Markov-láncok. 2. Sorsolások visszatevéssel

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;

ELTE TTK Budapest, január

? közgazdasági statisztika

8. tétel: Adatsokaságok jellemzıi, a valószínőségszámítás elemei

Kombinatorika. Variáció, permutáció, kombináció. Binomiális tétel, szita formula.

Valószín ségszámítás (jegyzet)

Hipotézis-ellenırzés (Statisztikai próbák)

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

Valószínűségi változók. Várható érték és szórás

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

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

n*(n-1)*...*3*2*1 = n!

= dx 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05

Valószínűségszámítás összefoglaló

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

Matematikai statisztika

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

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

Gyakorló feladatok II.

Andai Attila: november 13.

Populáció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak

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

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

Nevezetes sorozat-határértékek

VII. A határozatlan esetek kiküszöbölése

Egy lehetséges tételsor megoldásokkal

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

Átírás:

A valószíűségszámítás alapjai Kombiatoria Permutáció (ismétlés élül): elem összes lehetséges sorredje: P = (-)(-) =!!- fatoriális Variáció ismétlés élül elem -ad osztályú ismétlés élüli variációja - elemből helyre (<) választo elemeet - a lehetséges sorrede száma: V = (-)(-)..(-+)= (! )! ismétléssel elem -ad osztályú ismétléses variációja - elemből helyre választo elemeet - a lehetséges sorrede száma: V,i = Kombiáció ismétlés élül elem -ad osztályú ismétlés élüli ombiációja - elemből iválaszto elemet (<) a lehetséges iválasztáso száma a sorred figyelme ívül hagyása eseté:! C = ezt a ifejezést -val jelöljü és!( )! alatt a -a modju. ismétléssel: elem -ad osztályú ismétléses ombiációja -az elemből iválasztott elem özött többször előfordulhat ugyaaz az elem. A lehetséges iválasztáso száma a sorred figyelme ívül hagyása eseté: C,i ( + )! + = =!( )! Eseméyalgebra Fogalma: elemi eseméy ( i ) az i-di isérlet eredméye eseméytér H=,. az elemi eseméye halmaza összetett eseméy A H az eseméytér részhalmaza lehetetle eseméy-amely sohasem övetezhet be: biztos eseméy-mely a isérlet sorá biztosa beövetezi maga az eseméytér. H

Művelete eseméyeel omplemeter eseméy: Az A eseméy omplemetere vagy elletett eseméye a em A jele: A Eseméye összege: A+B vagy A B -az az eseméy, mely aor övetezi be, ha a isérlet eredméye A vagy B lesz. Eseméye szorzata A B vagy A B az az eseméy, mely aor övetezi be, ha a isérlet eredméye A és B lesz. Eseméye ülöbsége A-B vagy A\B az az eseméy, mely aor övetezi be, ha a isérlet eredméye A de B lesz. feáll, hogy: A B = A B Az A eseméy maga utá voja a B eseméyt ha A B az az eseméy, mely aor övetezi be, ha a isérlet eredméye A ból övetezi, hogy B is teljesül. Eseméye azoossága A=B ha az A B és B A egyidejűleg teljesül Műveleti tulajdoságo. A+A=A. A+B=B+A 3. (A+B)+C=A+(B+C)=A+B+C 4. A A=A 5. A B=B A 6. (A B) C=A(B C) 7. (A+B) C=A C+B C 8. (A B)+C=A C+B C. A + = A. A = 3. A+H=H 4. A H=A 5. A B = A + B 6. A + B = A + B 7. A = A 9. A + A = H 0. A A =

Egymást izáró eseméye, a- Legyee A és B eseméye ugyaaa az eseméytére részei. Ha A B= or A és B eseméye egymást izáró eseméye. Legyee A, A, A eseméye részei ugyaaa az eseméytére. Ha feáll,, A, A eseméyeet egymást páro- hogy A i A j = mide i j re, aor az A ét izáró eseméyee evezzü. Teljes eseméyredszer Legye H egy eseméytér és A i H (i=,,..); az A i (i=,,..) eseméye teljes eseméyredszert alota, ha: A i A i A j = ha i j A +A +A 3 +.A =H Legye T az eseméytér(h) részhalmazaiból álló halmaz -jelöljü ezt a halmazt T-velu. halmazalgebrát alot ha teljesül, hogy: H T A T és B T A+B T A T A T Ha T a H összes lehetséges részhalmazaiból áll, aor teljes halmazalgebráról beszélü. Ha H halmaz u. eseméytér, aor az eseméyalgebra elevezést haszálju. A valószíűség fogalma A relatív gyaoriság értelmezése: Egy isérletet -szer elvégezve -szor ( ) övetezi be az A eseméy. Az A A eseméy relatív gyaorisága: ra =. A ísérlete számáa övelésével r A értée stabilizálódi - egyre jobba özelít egy adott értéhez - ezt az (elméleti) értéet evezzü az A eseméy valószíűségée - P(A)-val jelöljü. Axiómá (Kolmogorov féle) Legye T a H eseméytére értelmezett eseméyalgebra (vagyis T olya halmaz, melye elemei a H részhalmazaiból származa és értelmezhető rá a halmazalgebra ritériumai) - a P:T R függvéyt valószíűsége evezzü, az A helye vett helyettesítési értéét P(A) az eseméy valószíűségée evezzü az alábbi axiómá szerit: I. A biztos eseméy valószíűsége. P(H)= II. Bármely A T-re 0 P(A) III. Bármely A, A,.A T eseté, ha A, A,.A eseméye egymást pároét izáró eseméye, aor P(A +A +.+A )=P(A )+P(A )+.+P(A ) 3

Ha az eseméyteret alotó számú elemi eseméye (E, E, E ) egyformá valószíűe, aor a hozzáju redelt valószíűség: P(E )= Az A=E +E + E összetett eseméy valószíűsége: P(A)= P(E +E + E )=P(E )+P(E )+ P(E )= Példa: A eseméy: egy ocával páros számot dobu Eseméytér: H=,, 3, 4, 5, 6 6 elemű halmaz Elemi eseméye: =, =, 3 =3, 4 =4, 5 =5, 6 =6 E = ;E =, ;E 3 = 3 ; E 4 = 4 ;E 5 = 5 ;E 6 = 6 P(E )= P(E )= P(E 3 )= P(E 4 )= P(E 5 )= P(E 6 )= 6 A=, 4, 6 =E +E 4 +E 6 P(A)= P(E +E 4 +E 6 )= P(E )+ P(E 4 )+ P(E 6 )= = 6 + 6 + 6 = 6 3 = Mitavételi problémá terméből S selejtes. elemű mitát veszü. Meora valószíűséggel lesz a mitába potosa db. selejtes termé? a)visszatevés élüli b)visszatevéses mitavételél. Midét mitavételél egy mita -es alot egy elemi eseméyt. Teljesül hogy az elemi eseméye egyformá valószíűe és véges számúa. Az összes lehetséges iválasztás alotja az eseméyteret, mely az a) esetbe (visszatevés élüli)- elemi eseméyből áll. Így aa a valószíűsége, hogy az elemű mitába db. selejtes lesz: S S P = 4

b) Ha u. visszatevéses mitavételt alalmazu, aor az elemi eseméye száma ;. A ( ) selejtet tartalmazó elemű mitá lehetséges száma pedig: S ( S) Igy aa a valószíűsége, hogy az egymás utá iválasztott elemből db. a selejtes: P = ( ) S ( S) Geometriai valószíűség Ha az eseméytér em véges számú elemi eseméyből áll, aor aalógiát eresü valamely geometriai alazat- szaasz, síidom, test- és az eseméytér özött, majd az elemi eseméyeet eze részhalmazaét értelmezzü. Pl. Egy tűt egy papírlapra ejtve, mi a valószíűsége, hogy egy adott égyzete belül szúrja i a papírt. T-e teitve a papírlap területét. A-a a égyzet területét- a valószíűség P(A) = A/T lesz. Az eseméy beövetezésée valószíűségét területaráyoal (szaasz- ill. térfogataráyoal) tudju megadi. Feltételes valószíűség Adott emberből álló soaság. Ebből F számú férfi és V számú magas véryomásba szevedő ember. Kérdés: Mi a valószíűsége aa, hogy az emberből találomra iválasztva egyet az magas véryomású férfi lesz? F Aa a valószíűsége, hogy az emberből egyet iválasztva, az férfi lesz: P(F)= Aa a valószíűsége, hogy az emberből egyet iválasztva, az magas véryomású lesz: V P(V)= A férfia özött a magas véryomásúa száma: FV Aa a valószíűsége, hogy egy iválasztott férfi magas véryomású lesz: Ee a jelölése (az egész számú soaságot figyelembe véve): P(V F) V eseméy beövetezésée valószíűsége, feltéve F eseméy beövetezését. FV P(V F)= P( F V ) FV = = F P( F ) F FV F 5

Általáosa: Legye A, B egyazo eseméytér ét eseméye és P(B)>0. Eor az A eseméy B-re voatozó feltételes valószíűségé a P( AB) P(A B)= értéet értjü. P( B) [Az eseméyteret leszűítjü a B-hez tartozó eseméyere] Tétel: Ha A, A és B egyazo eseméytér eseméyei és P(B)>0, aor P((A +A ) B)= P(A B)+P(A B)-P(A A B) A valószíűsége szorzási szabálya A és B ét tetszőleges eseméy, P(A)>0 és P(B)>0 Egymásra voatoztatott feltételes valószíűsége: P( A B) P(A B)= P( B) P(A B)=P(A B) P(B) P( B A) P(B A)= P( A) P(B A)= P(B A) P(A) Pl: Egy áruház összes látogatója özül átlagba 5% eresi fel a műszai osztályt. Eze özül 64% vásárol ott valamit. Meora a valószíűsége, hogy egy látogató műszai ciet vásárol? A eseméy: a látogató feleresi a műszai osztályt. P(A)=0,5 B eseméy: vásárol a műszai osztályo: P(B A)=0,64 P(A B)= P(A) P(B A)=0,5 0,64=0,6 vagyis 6% a valószíűsége aa, hogy egy tetszőleges látogató műszai ciet fog vásároli. A szorzási szabály általáosa: P(A A A )=P(A ) P(A A ) P(A 3 A A ) P(A 4 A A A 3 ) P(A A A A 3 A - ) Eseméye függetlesége: A és B eseméyt aor teitjü (sztochasztiusa) függetlee, ha P(A B)=P(A) P(B) Ez azt jeleti, hogy P(A B)=P(A) vagyis B eseméy semmilye befolyással em bír az A eseméy beövetezésére. 6

Valószíűségi változó Ha az eseméytér (H) elemi eseméyeihez valós számoat tudu redeli, aor értelmezhető a H R valós függvéy. Vagyis egy adott ísérlet véletletől függő imeetelét egy ξ (olv.: szí) valós meyiség jellemzi. Pl. egy telefoözpotba apoét a 3-4 óra özött befutó híváso száma. háy fej lesz, ha az érmét 80-szor feldobju? Háyas találatu lesz a Lottó? 0 muadarab özött meyi lesz a selejtes? Milye hosszú lesz a találomra ihúzott hajszálu? Meyi lesz jövő év március 5-é Keszthelye a api maximum hőmérsélet? Eze olya számo, melye orét értée a véletletől függ. Az olya meyiségeet, melye értée a véletletől függ valószíűségi változóa evezzü. Jelölésü görög is betű: ξ, η, μ stb. A valószíűségi változó potos értéét em tudju, de tudju, hogy milye értéei lehetségese (elméletileg vagy tapasztalat alapjá) A valószíűségi változó tehát az elemi eseméye teré értelmezett függvéy. Ha a valószíűségi változó csa egymástól ülöálló meghatározott értéeet vehet fel, aor diszrét valószíűségi változóról beszélü. (híváso száma, feje száma, selejt száma stb.) Ha a valószíűségi változó egy megadott itervallum összes értéét felveheti, aor folytoos valószíűségi változóról beszélü. (hajszál hossza, a maximum hőmérsélet értée stb.) Ha a megadott isérlet sorá a i elemi eseméy övetezett be és a valószíűségi változó defiíciója szerit ehhez az x i értéet redeltü, aor azt modju, hogy a valószíűségi változó az x i értéet vette fel: ξ=x i A ξ=x i eseméy valószíűségét a P(ξ=x i ) szimbólummal jelöljü. Pl. Két ocával dobu. Elemi eseméye: a ét oca felső lapjá lévő poto összege. ξ értéei x i 3 4 5 6 7 8 9 0 háyféleéppe dobható P(ξ=x i ) 3 4 5 6 5 4 3 3 4 5 6 5 4 3 7

Ez a ξ valószíűségi változó eloszlása: 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0,00 3 4 5 6 7 8 9 0 A feti diagramot elméleti meggodoláso alapjá állítottu elő. agy számú megfigyelés eseté előállíthatju tapasztalati úto az egyes eseméyehez tartozó relatív gyaoriságoat is. Eze az elméleti értétől többé-evésbé eltérőe lesze, de övelve a megfigyelése számát egyre jobba özelíti azt. Számos olya feladat va, amior a megfigyelt relatív gyaoriságoból aaru az elméleti valószíűségre övetezteti. (pl. adott ap maximum hőmérsélete) Defiiálhatu egy függvéyt úgy. hogy F(x)=P(ξ<x) -vagyis a valószíűségi változó által felvehető értéehez (x) hozzáredeljü aa a valószíűségét, hogy ξ eél isebb. Ezt evezzü a valószíűségi változó eloszlásfüggvéyée: Diszrét valószíűségi változóál a valószíűségi változó által felvehető értée véges halmazt alota vagy végtele, de megszámlálható soaságú halmazt alota, aor összegezzü midazo valószíűségeet, melye az x i <x: F(x)= x i < x P (ξ < x) Ábrázolva a ét ocával való dobás valószíűségi eloszlásfüggvéyét: 0,9 0,8 lépcsős függvéyt apu, melye értéészlete [0, ] mooto öveszi 0,7 0,6 0,5 0,4 0,3 0, 0, 0 3 4 5 6 7 8 9 0 3 8

Folytoos valószíűségi változóál a valószíűségi változó által felvehető értée összefüggő itervallumo helyezede el, aor is értelmezhetjü az eloszlásfüggvéyt az alábbia szerit: F(x)=P(ξ<x) Aa a valószíűsége, hogy a valószíűségi változó az [a,b] itervallumba esi: P(a>ξ<b)=F(b)-F(a) 0,9 0,8 0,7 0,6 0,5 F(x) 0,4 0,3 0, 0, 0 - a valószíűségi változó lehetséges értéei+ lim F ( x) = 0 lim F( x) = A valószíűségi változó sűrűségfüggvéye: Ha az F(x) eloszlásfüggvéyhez létezi f(x) 0 függvéy, úgy hogy F(x)= x f ( t) dt az f(x) függvéyt a valószíűségi változó sűrűségfüggvéyée evezzü. [F(x)] =f(x) Ha deriválju az F(x) eloszlásfüggvéyt, aor megapju a sűrűségfüggvéyt. Ha a sűrűségfüggvéyt itegrálju, aor megapju az eloszlásfüggvéyt, feltéve ha F(x) differeciálható ill. f(x) itegrálható. + A valószíűségi változó várható értée és szórása A várható érté: A várható érté az átlaggal aalóg fogalom. (súlyozott átlag) Legye ξ diszrét valószíűségi változó; amelye lehetséges értéei {x, x,.x }, amelyeet p, p,.p valószíűséggel vesz fel. Szorozzu meg (súlyozzu) az adott x i értéet a hozzá tartozó p i valószíűséggel: p i x i. A p i x i értée összegét a ξ valószíűségi változó várható értéée evezzü. 9

formulázva: M(ξ)= p i x i= i Ha mide egyes x i -hez azoos p i tartozi, amely így szüségéppe p i =, aor a várható érté megegyezi az x i változó (i=..) számtai átlagával. Pl. egy ocával dobu. ξ a dobott poto értée x i ={,,3,4,5,6} Midegyi egyformá valószíű: p i = 6 A várható érté: M(ξ)= 6 + 6 + 6 3+ 6 4+ 6 5+ 6 6=3,5 Ez megegyezi az + + 3 + 4 + 5 + 6 x = számtai átlaggal. 6 (A várható érté lehet olya szám, amelyet a valószíűségi változó em is vehet fel) Pl. Két ocával dobu. Valószíűségi változó a dobott poto összege. ξ értéei x i 3 4 5 6 7 8 9 0 p i p i x i 6 3 4 0 5 30 6 4 5 40 4 3 30 Várható érté: M(ξ)= p x 5 i i = =7 i = Ez is megegyezi az x i változó számtai átlagával. A várható érté aor em egyezi az átlaggal, ha az eloszlás em szimmetrius. 0,4 0,35 0,3 0,5 0, 0,5 0, 0,05 0 3 4 5 6 Ebbe az esetbe a számtai átlag: 3,5 A várható érté:m(ξ)= p ixi =3,0 0

Folytoos valószíűségi változó eseté is defiiálju a várható értéet: M(ξ)= + xf ( x) dx ahol f(x) a valószíűségi változó sűrűségfüggvéye Ha ez az itegrál érté em véges, aor az adott valószíűségi változóa ics várható értée. A várható érté tulajdoságai: Kostas valószíűségi változó várható értée: M(c)=c Valószíűségi változó salárszorosáa várható értée: M(c ξ)=c M(ξ) Az η= ξ+a (a salár ostas) valószíűségi változó várható értée: M(η)=M(ξ+a)=M(ξ)+a Valószíűségi változó összegée várható értée: M(η+ξ)=M(η)+M(ξ) Szórás (szóráségyzet) A várható érté örüli igadozásról ad iformációt a szórás ill. szóráségyzet. (A sűrűségfüggvéy lapultságát méri) D (ξ) =M{[x-M(ξ)] } ill. D(ξ)=+ M{[x - M( ξ ] } Diszrét esetbe: Pl. Két ocával dobu. Valószíűségi változó a dobott poto összege. ξ értéei x i 3 4 5 6 7 8 9 0 p i 3 4 5 6 5 4 3 p i x i 6 0 30 4 40 30 M(ξ)=7 [x i - M(ξ)] 5 6 9 4 0 4 9 6 5 p i [x i - M(ξ)] 5 3 7 6 5 0 5 6 7 6 5 0 D (ξ)= Σ p i [x i - M(ξ)]= D(ξ)= D ( ξ ),4

Folytoos valószíűségi változó szóráségyzete ill. szórása + D (ξ)= [ x M ( ξ )] f ( x) dx D(ξ) = + + [ x M ( ξ )] f ( x) dx evezetes eloszláso Biomiális eloszlás A megfigyelésü étféle eredméyt adhat: egy A eseméy beövetezi vagy em övetezi be. számú (egymástól függetle) megfigyelést végzü. Az A eseméy valószíűsége: p. A valószíűségi változó: megfigyelésből az A eseméy szor övetezi be (ξ=). (Ez a visszatevéses mitavétel tipius esete, ahol láttu, hogy aa a valószíűsége, hogy az egymás utá iválasztott elemből db. a selejtes: P = ( ) S ( S) Ez megfelel az alábbiaa: Aa a valószíűsége, hogy az A eseméy számú megfigyelésből -szor övetezi be: P(ξ=)= p (-p) - A biomiális eloszlásba az és a p u. paramétere Hipergeometrius eloszlás A visszatevés élüli mitavételél elem özött S redelezett egy adott tulajdosággal. Az S adott tulajdoságú elem iválasztásáa valószíűsége: p=. elemből választottu i számú elemet. A valószíűségi változó: -ből db. felel meg valamilye tulajdosága: ξ=

Aa a valószíűsége, hogy a iválasztott elemből potosa számú elem redelezi az adott tulajdosággal: S S P(ξ=)= A hipergeometrius eloszlás paraméterei:, S, S Várható értée: M(ξ)= S = =p (p= ) 0 Szórása: D(ξ)= p ( p) Példa: 0 üveg borból 3 iváló miőségű. Kérdés: legalább háy üveg bort ell iválasztai, hogy özöttü 50%-ál agyobb eséllyel legye legalább egy iváló? A valószíűségi változó ξ: aa a valószíűsége, hogy az elemű mitába db iváló lesz? ξ hipergeometrius eloszlású valószíűségi változó. Paraméterei: =0, S=3 és. A P(ξ )>0,5 legye. értéét eressü. 3 0 3 P(ξ )= >0,5 0 = eseté: P( )=P(ξ=)= 0 3 evés 3 = eseté: P( )=P(ξ=)+P(ξ=)= + >0,5 elég 45 45 Vagyis a 0 üvegből ettőt találomra iválasztva, már 50%-ál agyobb valószíűséggel lesz bee iváló. 3

Poisso eloszlás A rita eseméye valószíűségi eloszlása. Teithető a biomiális eloszlás speciális határértéée, amior is (a megfigyelése száma) agyo agy és p=p(a) agyo icsi. Eor az P(ξ=)= q p ifejezés jól özelíthető aa határértéével, ha eléggé agy és p viszoylag icsi. itt: q=(-p) Bevezetve az p=λ jelölést lim p ( p) = λ λ e! Vagyis a Poisso eloszlás eloszlásfüggvéye: λ λ P(ξ=)= e! (Ezzel soszor öyebb számoli, mit a biomiális eloszlás épletével.) Paramétere: λ ahol: λ=p Várható értée: M(ξ)=λ Szórása:D(ξ)= λ Példa: Tipiusa Poisso eloszlású Az adott tömegű radioatív elemél bizoyos időtartam alatt elbomló atomo száma Egy üzletbe adott idősza alatt betérő vásárló száma (sorbaállási probléma) Miroszóp alatt adott mm -e leszámolható batériumo száma Mazsolás süteméybe egy levágott szeletbe található mazsolá száma. Számpélda: Egy észülé meghibásodásáa átlagos száma 0 000 muaóra alatt 0. A meghibásodáso eloszlása csa a vizsgált időtartam hosszától függ. Határozzu meg aa a valószíűségét, hogy a észülé 00 műödési óra alatt elromli. Megoldás: 0 000 óra alatt 0 meghibásodás va átlagosa. Aa a valószíűsége, hogy óra alatt 0 meghibásodi: =p 0000 0 =00 óra λ=p=00 0000 =0, 4

Legye ξ valószíűségi változó a 00 óra alatt beövetező meghibásodáso száma: P(ξ=)= 0, 0,! e Aa a valószíűsége, hogy a észülé em romli el (=0) 0 0, 0, 0, P(=0)= e = e 0! Tehát aa a valószíűsége, hogy a 00 óra alatt legalább egyszer elromli: -P(=0)=-e -0, =0,8 azaz 8% Folytoos valószíűségi változó evezetes eloszlásai Folytoos valószíűségi változóál az eloszlást az u. sűrűségfüggvéy adja meg. Ee a formulája alapjá a legülöfélébb eloszláso lehetségese. Midegyie azoba + az a tulajdosága, hogy f ( x) dx = Egyeletes eloszlás: Ha egy valószíűségi változó az [a,b] itervallum valameyi értéét azoos valószíűséggel veszi fel, aor egyeletes eloszlású: Sűrűségfüggvéye: Eloszlásfüggvéye: 0 f(x)= b a 0 ha ha ha x < a a x b x > b 0 x a F(x)= b a 0 ha ha ha x < a a x b x > b Várható értée: M(ξ)= a + b b a Szórása: D(ξ)= 3 5

ormális eloszlású valószíűségi változó A valószíűségi változó eloszlása ormális, ha sűrűségfüggvéye szimmetrius haraggörbe. Formulája: f(x)= σ ( x m) σ e π Ee maximuma az x=m helye va. A σ érté a lapultságra jellemző szám A ormális eloszlás tehát az m és σ paramétereel jellemezhető. Eloszlásfüggvéye: F(x)= σ x ( t m) σ π e dt Várható értée: M(ξ)=m Szórása: D(ξ)=σ Mivel az eloszlásfüggvéy eheze számolható i, ezért ezt táblázatból vagy számítógéppel szotá meghatározi. Az eloszlásfüggvéy visszavezethetõ a stadard ormális eloszlásra. Alalmazás: Mérési hiba eloszlása, egy,,gyártósoro'' észült alatrésze méreteloszlása, azoos orú gyeree magasság-eloszlása általába ormális eloszlású. Stadard ormális eloszlásúa evezzü a ormális eloszlású valószíűségi változót, ha m=0 és σ= (Ee az értéeit tartalmazzá a taöyvebe található táblázato) 6

Stadard ormális eloszlás 0 0,5 0,0 0,508 0,05 0,50 0, 0,539 0, 0,579 0,3 0,68 0,4 0,656 0,5 0,69 0,6 0,76 0,7 0,758 0,8 0,788 0,9 0,86 0,84,3 0,903,5 0,933 0,977,3 0,989,5 0,994 Összefüggése a ormális és a stadard ormális eloszlás özött Példa a lehetséges alalmazásra: Egy ládába az almá tömege ormális eloszlású 5 dg átlaggal és dg szórással. Háy százaléa lesz az almáa 3 dg-ál isebb tömegű? Az eloszlásfüggvéy azt mutatja meg, hogy mi a valószíűsége, hogy egy valószíűségi változó - (itt az egyes almá tömege)- isebb lesz x-él (3 dg). Előállítju a stadard ormális eloszlásfüggvéy megfelelő argumetumát a megadott paramétere x m 3 5 alapjá: m=5, σ= = = σ Kieressü az -hez tartozó valószíűséget a táblázatból. Ez 0,84. Ha az argumetum egatív itt (-), aor az ehhez tartozó valószíűség (-p), azaz -0,84=0,59. Vagyis mitegy 6 %-a lesz az almáa 3 dg-ál isebb tömegű 7