1 TARTALOM: 0. Kombinatorika elemei (segédeszközök) 1. Eseményalgebra 2. A valószínűség: a) axiómák és következményeik b) klasszikus (=kombinatorikus)

Slides:



Advertisements
Hasonló előadás
Nevezetes eloszlások, normál eloszlás
Advertisements

Események formális leírása, műveletek
I. előadás.
Valószínűségszámítás
1 VI. Terjeszkedés Tematika  Marketingmix elemei  Termékpolitika  Árpolitika  Értékesítési csatorna politika  Promóció  Alkalmazott valószínűségszámítás.
Kvantitatív módszerek
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
Diszkrét idejű bemenet kimenet modellek
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
Gépi tanulási módszerek febr. 13.
III. előadás.
Valószínűségszámítás
Valószínűségszámítás és statisztika előadások
Dinamikus klaszterközelítés Átlagtér illetve párközelítés kiterjesztése N játékos egy rácson helyezkedik el (periodikus határfeltétel) szimmetriák: transzlációs,
Kvantitatív módszerek 7. Becslés Dr. Kövesi János.
Kvantitatív módszerek
Nem-paraméteres eljárások, több csoport összehasonlítása
Valószínűségszámítás
Véletlenszám generátorok
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
A normális eloszlás mint modell
Partner Dr. Czira Zsuzsanna, egyetemi adjunktus BME VET VM A megbízhatóság alapjai Villamosenergia-minőség Szaktanfolyam Megbízhatóság.
Távhőrendszerek hőforrásai Hőigények meghatározása Hőszállítás Épületenergetika B.Sc. 6. félév 2009 február 23.
Hőszállítás Épületenergetika B.Sc. 6. félév március 9. ISMÉTLÉS.
Hőszállítás Épületgépészet B.Sc. 5. félév; Épületenergetika B.Sc. 5. (6.) félév október 8. ISMÉTLÉS.
Kvantitatív módszerek
Kvantitatív módszerek 5. Valószínűségi változó Elméleti eloszlások Dr. Kövesi János.
Valószínűségszámítás
Gazdaságstatisztika 11. előadás.
Gazdaságstatisztika 12. előadás.
Gazdaságstatisztika 13. előadás.
Alapfogalmak.
avagy Négy halálos lórugás egy év alatt! Mit tesz a kormány?
Folytonos eloszlások.
Binomiális eloszlás.
Hipergeometriai eloszlás. Sir Ronald A. Fisher és Ms Bristol esete a teával és a tejjel Első felvonás.
© Farkas György : Méréstechnika
Belső állapotú bolyongások által meglátogatott pontok száma Nándori Péter (V.) Témavezető: Dr. Szász Domokos (BME MI)
Dr Gunther Tibor PhD II/2.
I. előadás.
BINOM.ELOSZLAS Statisztika a számítógépen és a médiában Koncz Levente április 14.
Információ- és hírközléselmélet '991 Információ- és Hírközléselmélet Vassányi István, Információelmélet –forráskódolás –csatornakódolás.
Valószínűségszámítás III.
Valószínűségszámítás
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Többdimenziós valószínűségi eloszlások
előadások, konzultációk
Bevezetés a méréskiértékelésbe (BMETE80ME19)
MI 2003/8 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
PPKE ITK 2008/09 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás 4.
INFOÉRA 2006 Véletlenszámok
Rekord statisztikák Készítette: Komjáti Bálint IV. évf. fizikus hallgató (ELTE-2006) Györgyi Géza: Extrém érték statisztikák előadásán tartott szemináriumára.
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.
Félévközi követelmények HMV hőigények meghatározása Rendszerkialakítások Vízellátás, csatornázás, gázellátás Épületgépészeti és Gépészeti Eljárástechnika.
Tantárgyi követelmények szeptember 10.

Kockázat és megbízhatóság
Kockázat és megbízhatóság
II. előadás.
Kvantitatív módszerek MBA és Számvitel mesterszak
I. Előadás bgk. uni-obuda
JELENÉRTÉKSZÁMÍTÁS-TECHNIKA
Valószínűségi változó, eloszlásfüggvény
Valószínűségi változók együttes eloszlása
Valószínűségi törvények
Gazdaságinformatikus MSc
Valószínűségszámítás
Többdimenziós normális eloszlás
Előadás másolata:

1 TARTALOM: 0. Kombinatorika elemei (segédeszközök) 1. Eseményalgebra 2. A valószínűség: a) axiómák és következményeik b) klasszikus (=kombinatorikus) valószínűségi mező c) geometriai valószínűségi mező 3. Feltételes valószínűség, események függetlensége 4. Valószínűségi változók a) általános definíciók b) várható érték, szórás

2 5. Nevezetes diszkrét eloszlások: a) Bernoulli (= binomiális = visszatevéses mintavétel) b) Hipergeometriai (=visszatevés nélküli mintavétel) c) Geometriai (=próbálkozás amíg nem sikerül) d) Poisson (= a) közelítése) 6. Nevezetes folytonos eloszlások: a) Egyenletes (= buszváró, ="hidastábla", … ) b) Exponenciális (= nem öregedő élettartam) c) Normális (= fizikai / biológiai rendszerek)

3 7. Nagy számok törvényei (Markov, Csebisev, Bernoulli, Csebisev, Centrális, Moivre-Laplace) 8. Két diszkrét val.vált. összefüggése (=kétdimenziós v.v.)

4 4. Valószínűségi változók / v.v. /  = " a kísérlet (mérés) számszerű végeredménye "  (A) = amit éppen mérünk, A eseménynél. Def: /mat./  : P(  )  R tetszőleges függvény.  : A |  z  R valós szám.  !!!  lehet : DISZKRÉT: Im(  ) = {x 1, x 2, …, x n, … } /felsorolható/ vagy FOLYTONOS: Im(  ) = R // Im(  ) = ÉK = a mérés összes lehetséges eredménye //

5 DISZKRÉT v.v. eloszlása : Im(  ) = { x 1, x 2, x 3, x 4, …, x n, … } eloszlása := { p 1, p 2, p 3, p 4, …, p n, … } ahol p i := P(  =x i ) /a méréseredmények val./   Axiómák: /alaptulajdonságok/ (i) 0  p i  1 (ii)  i=1 p i = 1.   DEF./mat./: Tetszőleges {p 1,p 2,…,p n,…} sorozat a fenti két tulajdonsággal. 

6 FOLYTONOS v.v. eloszlása : ábra: f(x)

7 DEF: Sűrűségfüggvény axiómái /  folytonos/ (i)0  f(x)  x  R (ii)  R f(x) dx = 1.  Alkalmazása: P( a    b) = a  b f(x) dx = F(b) - F(a) ahol F(x) =  f(x) dx = primitív függvény = eloszlásfüggvény !!!pontosabban: DEF: F(b) := P(   b) = -   b f(x) dx.  vagy f(x) = F'(x) = deriváltfüggvény = sűrűségfüggvény /Szótár!/ DEF: Eloszlásfüggvény axiómái (  x  R) /  tetszőleges/ (i) 0  F(x)  1, (ii) F(x) monoton nő, (iii) lim x   F(x) = 0, lim x  +  F(x) = 1, (iv) F(x) balról folytonos: lim x  c- F(x) = F(c) /"teli karika"/ 

8 "Tipikus" kérdések (és a válaszok) P(ξ<b) =   b f(x) dx = F(b) P(a  ξ) = a   f(x) dx = 1-F(a) = 1- P(ξ<a) P(a  ξ<b) = a  b f(x) dx = F(b)-F(a) /N.-L.-szabály/ P(ξ=b) = 0 (ha ξ folytonos v.v.) P(ξ  c) = P(|ξ-c|<ε) = P(c-ε<ξ<c+ε) = F(c+ε)-F(c-ε).

9 Vizsgaidőpontok (összevont): május 23, 30, június 6, 13, 20, 27 /péntek/ 10:00-12:00 (?) Neptunon jelentkezni, max. 100 fő

10