INFOÉRA 2006 Véletlenszámok

Slides:



Advertisements
Hasonló előadás
Események formális leírása, műveletek
Advertisements

A bizonytalanság és a kockázat
I. előadás.
Valószínűségszámítás
Kvantitatív módszerek
Programozási alapismeretek
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
INFOÉRA 2006 Kombinatorika
Programozási alapismeretek 3. előadás
Programozási alapismeretek
Valószínűség számítás
Mérési pontosság (hőmérő)
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Asszociáció.
ELTE Szlávi-Zsakó: Programozási alapismeretek Szlávi-Zsakó: Programozási alapismeretek 3. 1/
Növényökológia terepgyakorlat Fajok asszociáltságának vizsgálata I.) Az egyes esetek TAPASZTALT gyakorisága 1. táblázat A faj B faj+- +aba+b.
Miért hozzuk a döntést, mi a cél?
Nem-paraméteres eljárások, több csoport összehasonlítása
TÖBBSZÖRÖS REGRESSZIÓS SZÁMÍTÁSOK II
Valószínűségszámítás
1 TARTALOM: 0. Kombinatorika elemei (segédeszközök) 1. Eseményalgebra 2. A valószínűség: a) axiómák és következményeik b) klasszikus (=kombinatorikus)
Alapfogalmak Alapsokaság, valamilyen véletlen tömegjelenség.
Véletlenszám generátorok
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
A normális eloszlás mint modell
Kvantitatív módszerek
Kvantitatív módszerek 5. Valószínűségi változó Elméleti eloszlások Dr. Kövesi János.
$ Információ Következmény Döntés Statisztikai X.  Gyakorlati problémák megoldásának alapja  Elemzéseink célja és eredménye  Központi szerep az egyén.
Gazdaságstatisztika 11. előadás.
Gazdaságstatisztika 10. előadás.
Gazdaságstatisztika 14. előadás.
9. AZ ÉLET-BIZTOSÍTÁSOK DÍJA
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Alapfogalmak.
Folytonos eloszlások.
Hipergeometriai eloszlás. Sir Ronald A. Fisher és Ms Bristol esete a teával és a tejjel Első felvonás.
© Farkas György : Méréstechnika
3. Előadás: Döntés bizonytalanság mellett
I. előadás.
6. előadás.
BINOM.ELOSZLAS Statisztika a számítógépen és a médiában Koncz Levente április 14.
Valószínűségszámítás III.
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Többdimenziós valószínűségi eloszlások
Véletlen események. ELTE Véletlen események 2 esemény, kizáróak, rajtuk kívül más nem lehet.  A esemény P valószínűségű  B esemény 1-P valószínűségű.
INFOÉRA 2006 Nagypontosságú aritmetika I.
INFOÉRA 2006 Nagypontosságú aritmetika II.
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás GY
INFOÉRA 2006 Nagypontosságú aritmetika III.
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.

Kockázat és megbízhatóság
Szóródási mérőszámok, alakmutatók, helyzetmutatók
Kvantitatív módszerek MBA és Számvitel mesterszak
INFOÉRA 2006 Véletlenszámok
I. Előadás bgk. uni-obuda
Kockázat és megbízhatóság
A matematikai statisztika alapfogalmai
Valószínűségi változó, eloszlásfüggvény
Valószínűségi változók együttes eloszlása
Valószínűségi törvények
Gazdaságinformatikus MSc
Gazdaságinformatika MSc labor
2. A Student-eloszlás Kemometria 2016/ A Student-eloszlás
Többdimenziós normális eloszlás
A normális eloszlásból származó eloszlások
Előadás másolata:

INFOÉRA 2006 Véletlenszámok 2006.11.18 Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n

Zsakó László: Véletlenszámok INFOÉRA 2006 2006.11.18 Véletlenszámok Valószínűség-számítási alapfogalmak: Esemény, elemi esemény Gyakoriság, relatív gyakoriság, valószínűség Eloszlás, eloszlásfüggvény, sűrűségfügg-vény, függetlenség Várható érték, szórásnégyzet 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 2

Zsakó László: Véletlenszámok INFOÉRA 2006 2006.11.18 Véletlenszámok Követelmények: minden lehetséges kimenetele előbb-utóbb bekövetkezzen az előzőekből ne lehessen következtetni a következőre szokásos problémái: periodikus, illetve elfajulhat 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 3

Zsakó László: Véletlenszámok INFOÉRA 2006 2006.11.18 Véletlenszámok Megvalósítás: V0 kezdőszám választása Vn+1 :=f(Vn) 0≤Vi<M egész számok kezdőszám ne legyen megismételhető – belső óra használata miért nem jó az óra általában véletlenszám készítésre? 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 4

Véletlenszám előállítási módszerek INFOÉRA 2006 2006.11.18 Véletlenszám előállítási módszerek Négyzetközép módszer v0 :=tetszőleges K jegyű egész szám vn+1:=vn*vn középső k számjegye Szorzatközép módszer vn+1:=A*vn+B középső k számjegye 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 5

Véletlenszám előállítási módszerek INFOÉRA 2006 2006.11.18 Véletlenszám előállítási módszerek Szorzatközép módszer Program: Be: R0; A:=11; B:=53 Ciklus amíg szükséges Ki: R0 R:=egészrész((R0*A+B)/10) R0:=R-100*egészrész(R/100) Ciklus vége Program vége. Ha pl. R0=73, akkor ezt kapjuk: 73, 85, 98, 13, 19, 26, 33, 41, 50, 60, 71, 83, 96, 10, 16, 22, 29, 37, 46, 55, 65, 76, 88, 2, 7, 13, 19... 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 6

Véletlenszám előállítási módszerek INFOÉRA 2006 2006.11.18 Véletlenszám előállítási módszerek Lineáris kongruencia módszer v0 :=tetszőleges egész szám vn+1:=(a*vn+c) mod m Állítás: Ha m=2k, a=4*x+1, (c,m)=1 (és m prímosztói a–1-nek is prímosztói) , akkor m lesz a periódushossz Nemlineáris kongruencia módszer vn+1:=f(vn) mod m képletben f nemlineáris függvény, f több korábbi értéktől függ, … 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 7

Véletlenszám előállítási módszerek INFOÉRA 2006 2006.11.18 Véletlenszám előállítási módszerek Megjósolhatóság kérdése v0 :=nem ismert a,c nem ismert m nem ismert? xi:=vi/m valós szám! ha 0≤vi<m, akkor 0≤xi<1! 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 8

Véletlenszám előállítási módszerek INFOÉRA 2006 2006.11.18 Véletlenszám előállítási módszerek Kombinált módszerek soros kapcsolás párhuzamos kapcsolás visszacsatolásos kapcsolás 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 9

Véletlenszám előállítási módszerek INFOÉRA 2006 2006.11.18 Véletlenszám előállítási módszerek Kombinált módszerek Az f függvény megvalósítási lehetőségei speciális művelet (pl. bitenkénti kizáró vagy) a 2 véletlenszám között zavarás keverés egyik a másik számaiból választ egyik a másik véletlen tagjait helyettesíti … 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 10

Véletlenszámok ellenőrzése INFOÉRA 2006 2006.11.18 Véletlenszámok ellenőrzése Mit nevezünk véletlennek 1-egyenletes – a vi véletlenszámok a [0,M) intervallum bármely [a,b) részintervallumá-ba esés valószínűsége csak az intervallum hosszától függ 2-egyenletes – a (vi,vi+1) véletlenszám párok a ([0,M), [0,M)) négyzet bármely ([a,b),[c,d)) résztéglalapjába esés valószínűsége csak a téglalap területétől függ K-egyenletes – … ∞-egyenletes – minden K-ra K-egyenletes 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 11

Véletlenszámok ellenőrzése INFOÉRA 2006 2006.11.18 Véletlenszámok ellenőrzése Módszerek számjegy gyakoriság vizsgálat számjegysorozat gyakoriság vizsgálat számminták gyakorisága kombinációk gyakorisága (póker teszt) futampróba szériavizsgálat 1-, 2-egyenletesség vizsgálat hézagpróba 2017.04.13. Zsakó László: Véletlenszámok Juhász István-Zsakó László: Informatikai képzések a ELTE-n 12

INFOÉRA 2006 2006.11.18 Vége Zsakó László: Szimuláció II. Zsakó László: Programozási alapismeretek M Juhász István-Zsakó László: Informatikai képzések a ELTE-n