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

Hasonló dokumentumok
5 3 0,8 0,2. Számolja ki a 3

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

Legfontosabb bizonyítandó tételek

Valószínűségi változók. Várható érték és szórás

BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3

6. Bizonyítási módszerek

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

Matematika A4 III. gyakorlat megoldás

Villamosmérnök A4 3. gyakorlat ( ) Nevezetes diszkrét eloszlások

4. A negatív binomiális eloszlás

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

24. Kombinatorika, a valószínűségszámítás elemei

I. A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

Drótos G.: Fejezetek az elméleti mechanikából 4. rész 1

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

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 +

[Biomatematika 2] Orvosi biometria

Valószínűségszámítás feladatok

13. Előadás. 1. Aritmetikai Ramsey-elmélet (folytatás)

Biomatematika 2 Orvosi biometria

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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

1. Egyensúlyi pont, stabilitás

Készítette: Fegyverneki Sándor

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A Statisztika alapjai

Gyakorló feladatok a 2. dolgozathoz

Tizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc

[Biomatematika 2] Orvosi biometria

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

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

1. Komplex szám rendje

A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató

Kiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok

A feladatok megoldása

KÖVETKEZTETŐ STATISZTIKA

Hipotézis vizsgálatok

Digitál-analóg átalakítók (D/A konverterek)

BIOMATEMATIKA ELŐADÁS

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A CSOPORT 4 PONTOS: 1. A

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Neurális hálózatok. Nem ellenőrzött tanulás. Pataki Béla. BME I.E. 414,

Valószínűségszámítás összefoglaló

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

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

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás:

Félévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2., 2012 tavasz

Normális eloszlás tesztje

III. FOLYTONOS OPTIMALIZÁCIÓ

Furfangos fejtörők fizikából

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

(Independence, dependence, random variables)

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

GAZDASÁGI MATEMATIKA II. VALÓSZÍNŰSÉGSZÁMÍTÁS

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

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

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

Statisztikai becslés

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

A teveszabály és alkalmazásai

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

Adatok statisztikai értékelésének főbb lehetőségei

Diszkrét matematika I. középszint Alapfogalmakhoz tartozó feladatok kidolgozása

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

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

Sztochasztikus folyamatok alapfogalmak

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Valószínűségszámítás és Statisztika I. zh november MEGOLDÁS

Villamosmérnök A4 11. hét Kétdimenziós normális eloszlás, cht - Megoldások

Függvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány

A valószínűségszámítás elemei

MATEMATIKA HETI 5 ÓRA. IDŐPONT: Június 4.

Bevezetés. 1. előadás, február 11. Módszerek. Tematika

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

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

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

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

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

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

Osztályozóvizsga követelményei

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

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

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

A valószínűségszámítás elemei

FELADATOK a Bevezetés a matematikába I tárgyhoz

1. Kombinatorikai bevezetés példákkal, (színes golyók):

Valószín ségszámítás és statisztika

Speciális függvénysorok: Taylor-sorok

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

Átírás:

1 / 5 2011.03.17. 14:23 Virtuális laboratóriumo > 10. Bernoulli ísérlete > 1 2 3 4 5 6 1. Bevezetés Alapelmélet A Bernoulli ísérlet folyamat, melyne névadója Jacob Bernoulli a valószínűségszámítás egyi legegyszerűbb, de egyben egyi legfontosabb véletlen ísérlet folyamata is. Lényegében a folyamat az érmefeldobás matematiai absztraciója, de szélesörű alalmazhatóságána öveteztében megállapodun abban, hogy ielégíti a övetező feltételeet: 1. 2. 3. Minden ísérletne ét lehetséges imenetele van, melyeet a megbízhatóság vizsgálatából származó ifejezéseel sieresne és siertelenne nevezün. A ísérlete függetlene. Egyi ísérlet imenetele sem befolyásolja egy mási ísérlet imenetelét. Minden ísérletnél anna valószínűsége, hogy a ísérlet sieres p és anna valószínűsége, hogy siertelen 1 p. Valószínűségi változó Matematiailag a Bernoulli ísérleteet egy valszínűségi változó indiátor sorozatána teintjü: X = (X 1, X 2,...) Egy indiátor változó egy valószínűségi változó, amely csa az 1 vagy 0 értéet veszi fel aszerint, hogy a ísérlet sieres, vagy nem sieres. Az X j indiátor változó egyszerűen a j-edi ísérlet imeneteléne az eredménye. Így az indiátor változó függetlene és ugyanolyan eloszlású sűrűségfüggvénnyel rendelezne: P(X i = 1) =p, P(X i = 0) = 1 p Az ezen sűrűségfüggvény által definiált eloszlás Bernoulli eloszlás néven ismeretes. Statisztiai értelemben a Bernoulli ísérlete a Benoulli eloszlásból vett mintána felelne meg. Speciálisan, az első n (X 1, X 2,..., X n ) ísérlet a Bernoulli eloszlásból vett n elemű véletlen mintát alot. Megjegyezzü, hogy a Bernoulli ísérlete egy paraméterrel, a p valószínűséggel jellemezhető. 1. Felhasználva az alapfeltevéseet mutassu meg, hogy az első n ísérlet sűrűségfüggvénye az alábbi módon adható meg P(X 1 =x 1, X 2 =x 2,..., X n =x n ) =p (1 p) n, (x 1, x 1,..., x n ) {0, 1} n n ahol = i = 1 x i 2. Feltételezve, hogy X = (X 1, X 2,...) egy p paraméterű Bernoulli ísérlet, mutassu meg, hogy 1 X = (1 X 1, 1 X 2,...) egy 1 p paraméterű Bernoulli ísérlet. 3. Tételezzü fel, hogy U = (U 1, U 2,...) független valószínűségi változóna egy sorozata, mindegyi egyenletes eloszlású a [ 0, 1] intervallumon. p [ 0, 1] és i +, esetén legyen X i (p) =1(U i p) az {U i p} esemény indiátor változój Mutassu meg, hogy X(p) = (X 1 (p), X 2 (p),...) p paraméterű Bernoulli ísérlet. Megjegyezzü, hogy az előző gyaorlatban a Bernoulli ísérlete a p paraméter minden lehetséges értée esetén egy özös valószínűségi téren vanna definiálv A onstrució ezen típusára néha mint összeapcsolt ísérletere hivatozun. Ez a gyaorlat azt is mutatja, hogyan szimulálju a Benoulli ísérleteet véletlen számo segítségével. Az összes többi véletlen ísérlet (folyamat), amit ebben a fejezetben tanulmányozun a Bernoulli ísérletsorozatna a függvényei és ezért is tudju szimulálni. Momentumo A ésőbbi hivatozásohoz számítsu i a P(X = 1) = p paraméterű X általános indiátor változó várható értéét, varianciáját, és a valószínűség generáló függvényét.

2 / 5 2011.03.17. 14:23 4. Mutassu meg, hogy (X) =p. 5. Mutassu meg, hogy var(x) =p (1 p). 6. Mutassu meg, hogy (t X ) = (1 p) +p t, t. 7. Vázolju fel az 5. gyaorlatban a varianciát, mint p függvényét. Figyeljü meg, hogy a variancia aor a legnagyobb, amior p = 1 és aor a legisebb, amior p = 0 vagy p = 1. 2 Példá és alalmazáso Mint orábban megjegyeztü, a Bernoulli ísérlete egy ézenfevő pédája a pénzérmeísérlete, ahol a síer jelenti a fej, a siertelenség az írásdobást. A p paraméter a fejdobás valószínűsége(így általában az érme nem szabályos.). 8. Az alap érmeísérletben legyen n = 20 és p = 0.1. Végezzü el a ísérletet és figyeljü meg az eredményeet. Ismétlejü meg a ísérletet az alábbi értéeel: p {0.3, 0.5, 0.7, 0.9}. Általános példá Egy bizonyos értelemben a Bernoulli ísérlete legáltalánosabb példája aor fordul elő, amior egy ísérletet megismétlün. Speciálisan tételezzü fel, hogy van egy alapísérletün és egy A esemény érdeel minet. Tegyü fel, hogy egy összetett eseményt hozun létre, ami az alapísérlet független megismétléseiből áll. Azt mondju, hogy az i-edi ísérlet sieres, ha az A esemény beövetezi az i-edi ismétlésre és az i-edi ísérlet siertelen, ha az A esemény nem övetezi be az i -edi ismétlésre. Ez nyilvánvalóan egy p = P(A) Bernoulli ísérlet sorozatot definiál. Bernoulli ísérleteet dichotom populációból is alothatun. Speciálisan tételezzü fel, hogy van egy populáción, amelyne ét típusú imenetele van, amelyere 0-val és 1-gyel hívatozun. Például lehet szó személyről ai vagy férfi vagy nő, vagy egy alatrészről, ami vagy jó vagy hibás. Válasszun i n objetumot véletlenszerűen a populációból; definíció szerint ez azt jelenti, hogy ha egyszerre (visszatevés nélül) történi az eleme iválasztása, aor a populációban mindegyi objetum egyenlő valószínűséggel választható i. Ha a mintavétel visszatevéssel történi, aor mindegyi objetum a övetező húzás elött visszaerül a ihúzandó özé. Ebben az esetben az egymás utáni húzáso függetlene, így a mintában lévő objetumo típusai p paraméterű Bernoulli ísérletene egy sorozatát alotjá. Ez a paraméter a populációban lévő 1-es objetumtípusaina hányad Ha a mintavétel visszatevés nélüli, aor az egymás utáni húzáso nem függetlene, így a mintában lévő objetumo típusai nem alotjá Bernoulli ísérletene egy sorozatát. Azonban, ha a populáció mérete a mintavétel méretéhez viszonyítva nagy, a függőség elhanyagolható, így az összes gyaorlati tervben a mintában lévő objetumo típusai Bernoulli ísérlete sorozataént ezelhető. További diszusszió található a dichotom populációból való mintavételről a Véges elemű mintamodelle c. fejezetben. 9. Tételezzü fel, hogy egy hallgató többválaszos tesztet tölt i. A teszt 10 érdésből áll, melye mindegyiére 4 lehetséges válasz van (de csa 1 a helyes). Ha a hallgató vaon találgat mindegyi érdésnél, meg tudju úgy csinálni a érdéseet, hogy Bernoulli ísérletsorzatot apjun? Ha így áll a dolog, azonosítsu a ísérlet imeneteleit és a p paramétert! 10. Az A pályázó egy bizonyos örzetben indul a jelölésért. Húsz személyt iválasztotta a szavazó özül véletlenszerűen és megérdezté tőlü, vajon az A személyre szavazna-e. A válaszo alothatna-e Bernoulli ísérletsorozatot? Ha igen, azonosítsu a ísérlet imeneteleit és a p paramétert! 11. Egy ameriai rulettben 38 vájat van; 18 piros, 18 feete és 2 zöld. A játéos 15-ször rulettezi, minden egyes alalommal a pirosra fogadv A imenetele alothatna-e Bernoulli ísérletsorozatot? Ha igen, azonosítsu a ísérlet imeneteleit és a p paramétert! A Rulettet részletesebben a Szerencsejáté fejezetben elemezzü.

3 / 5 2011.03.17. 14:23 12. Két tenisz játéos 6 gémből álló meccset játszi. A imenetele alothatna-e Bernoulli ísérletsorozatot? Ha igen, azonosítsu a ísérlet imeneteleit és a p paramétert! Megbízhatóság Emléeztetün ara, hogy a szerezeti megbízhatóság standard modelljében a rendszer n omponensből áll, amelye egymástól függetlenül műödne. Jelölje X i az i-edi omponens állapotát, ahol 1 jelenti, hogy műödi, 0 jelenti, hogy hibás a omponens. Ha a omponense mindegyie ugyanolyan típúsú, aor alapfeltevésün, hogy az X = (X 1, X 2,..., X n ) állapot vetor Bernoulli ísérletene egy sorozat A rendszer állapota (ismét 1 jelenti, hogy műödi, 0 jelenti, hogy hibás a omponens) csa a omponense állapotától függ és így egy valószínűségi változó Y =s(x 1, X 2,..., X n ) ahol s : {0, 1} n {0, 1} a strutúra függvény. Általában anna valószínűsége, hogy az eszöz műödi, az eszöz megbízhatósága, így a Bernoulli ísérletsorozat p paramétere a omponense özös megbízhatóság A függetlenség miatt a rendszer megbízhatósága r a omponens megbízhatóságna egy függvénye: r(p) = P p (Y = 1), p [ 0, 1] ahol hangsúlyozzu a p paraméteren értelmezett P valószínűségi mező függetlenségét. Általában elég, ha ezt a függvényt, mint megbízhatósági függvényt ismerjü. Rendszerint az a feladatun, hogy megtalálju a megbízhatósági függvényt, és megtalálju a strutúrafüggvényt. 13. Emléeztetün arra, hogy egy soros rendszer aor és csa aor műödi, ha mindegyi omponense műödi. Mutassu meg, hogy a rendszer állapota Y =X 1 X 2 X n = min {X 1, X 2,, X n } Mutassu meg, hogy a megbíhatósági függvény r(p) =p n p [ 0, 1] esetén. 14. Emléeztetün arra, hogy egy párhuzamos rendszer aor és csa aor műödi, ha legalább az egyi omponense műödi. Mutassu meg, hogy a rendszer állapota Y = 1 (1 X 1 ) (1 X 2 ) (1 X n ) = max {X 1, X 2,, X n } Mutassu meg, hogy a megbízhatósági függvény r(p) = 1 (1 p) n p [ 0, 1] esetén. Emléeztetün arra, hogy néhány esetben a rendszert reprezentálhatju, mint egy gráfot vagy hálózatot. Az éle a omponenseet, a csúcso a omponense özötti apcsolatoat reprezentáljá. A rendszer aor és csa aor műödi, ha létezi ét ijelölt csúcs özött műödő útvonal, amelyeet a-val és b-vel jelölün. 15. Adju meg az alábbi Wheatstone híd hálózatána megbízhatóságát (a névadó Charles Wheatstone) Összegyűjtött vérvizsgálat

4 / 5 2011.03.17. 14:23 Tételezzü fel, hogy egy populációban minden személy, egymástól függetlenül p valószínűséggel rendelezi egy bizonyos betegséggel. Így, a betegséget illetően a populációban lévő személye Bernoulli ísérletsorozatot alotna. A betegséget egy vérvizsgálattal lehet azonosítani, amine természetesen öltsége van. Egy létszámú csoport ( > 1 ) esetén ét stratégiát övethetün. Az első szerint minden személyt megvizsgálun egyenént, s ezért személyt ell vizsgálnun, s így vérvizsgálatot ell végeznün. A másodi stratégia szerint összegyűjtjü a személy vérmintáját és először együtt vizsgálju (egyetlen egy teszttel). Feltételezzü, hogy a teszt eredménye aor és csa aor negatív, ha a személy mindegyie egészséges. Ebben az esetben egy teszt elvégzése szüséges. Másrészről a teszt eredménye aor és csa pozitív, ha legalább egy személy beteg, eor egyenént tesztelni ell a személyeet. Ennél a stratégiánál + 1 teszt végrehajtása szüséges. Jelölje Y az összegyüjtött stratégia esetén a szüséges teszte számát. 16. Mutassu meg, hogy c. P(Y = 1) = (1 p), P(Y =+1) = 1 (1 p). (Y) = 1 + (1 (1 p) ). var(y) = 2 (1 p) (1 (1 p) ). 17. Mutassu meg, hogy várható értében megadva az összegyűjtött stratégia aor és csa aor jobb, mint az alapstratégia, ha p < 1 1 A p = 1 ( 1 1 ) ritius érté ábráját, mint [ 2, 20] -na a függvényét mutatja az alábbi ábra: 1 18. Mutassu meg, hogy p maximális értée = 3 esetén van, és p 3 0.307. p 0 ha. A 18. gyaorlatból övetezi, hogy ha p 0.307, aor az összegyűjtésne nincs értelme, teintet nélül a csoport méretére. A mási szélsőséges esetben, ha p nagyon icsi, a betegség igen rita, az összegyűjtés jobb, ivéve, ha a csoportméret nagyon nagy. Most tételezzü fel, hogy n személyün van. Ha n aor tudun csinálni részpopulációat, n csoport van és mindegyi csoportban személy. Alalmazzu az összegyüjtött stratégiát mindegyi csoportr Megjegyezzü, hogy = 1 megfelelel egyetlen egy tesztne és = n megfelelel a teljes populációra vonatozó összegyűjtött stratégiána. Jelölje Y i az i csoporthoz szüséges teszte számát. 19. Bizonyítsi be, hogy (Y 1, Y 2,..., Y n / ) függetlene és mindegyiü a 16. gyaorlatban megadott eloszlással rendelezi.

5 / 5 2011.03.17. 14:23 Az ehhez szüséges teszte teljes számára az alábbi terv érvényes Z n, =Y 1 +Y 2 + +Y n / 20. Mutassu meg, hogy a teszte teljes számána várható értée n, = 1 (Z n, ) = n 1 + 1 (1 p), > 1 21. Mutassu meg, hogy a teszte teljes számána varianciája var(z n, ) = 0, = 1 n (1 p) (1 (1 p) ), > 1 Így, a várható értéel apcsolatban az optimális stratégia a populáció felosztása n darab fős csoportra, ahol a 20. gyaorlatban definiált függvényt minimalizálj Igen nehéz optimális értéére zárt formulát adni, de ez az érté numeriusan meghatározható onrét n és p értéere. 22. n és p övetező értéeire adju meg az optimális összegyűjtéshez a értéet és a teszte várható számát. (Szorítozzun azon értéeire, amelye osztjá n értéét!) c. n = 100, p = 0.01. n = 1000, p = 0.05. n = 1000, p = 0.001. Ha nem osztója n-ne, aor az n személyből álló populációt n / csoportra bontju személyt téve mindegyi csoportba és a maradé csoport n mod személyből áll. Ez nyilvánvalóan bonyolítja az elemzést, de nem vezet be új ötletet, így enne az esetne a vizsgálatát az érdelődő olvasóra bízzu. Virtuális laboratóriumo > 10. Bernoulli ísérlete > 1 2 3 4 5 6 Tartalom Applete Adathalmazo Életrajzo Külső forrásmuná Kulcsszava Visszacsatolás