Documentos de Académico
Documentos de Profesional
Documentos de Cultura
statisztika
(2006)
1
2
A kombinatorika – a legáltalánosabb értelemben – a véges sok elemet tartalmazó
halmazok elmélete. Az e tárgykörben felvetődő problémák száma igen nagy és változatos. A
valószínűségszámításban közülük elsősorban az ún. csoportalkotási kérdések merülnek fel, s
a velük kapcsolatos eredmények kerülnek alkalmazásra.
Az adott halmaz elemei tetszőleges dolgok lehetnek, így számok, betűk, tárgyak,
személyek, fogalmak, stb. Mi ezeket a következőkben mindig számokkal szimbolizáljuk, és a
velük végzett csoportalkotásokat, elrendezéseket úgy tekintjük, mintha ezeket a számokhoz
tartozó objektumokkal végeztük volna.
3
1. Kombinatorika
Permutációk, variációk, kombinációk. Binomiális együttható.
Binomiális- és polinomiális tétel.
4
A kombinatorikai fogalmak bemutatása példákon keresztül
5
6
7
8
9
10
11
Tétel: Binomiális együttható (Tulajdonságok)
⎛n⎞ n! ⎛ n ⎞ ⎛ n ⎞
(1) ⎜⎜ ⎟⎟ = = ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ , (Szimmetria tulajdonság)
⎝ k ⎠ k!(n − k )! ⎝ n − k ⎠ ⎝ n, n − k ⎠
⎛ n + 1⎞ ⎛ n ⎞ ⎛ n ⎞
(2) ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ , (Pascal háromszög)
⎝ k + 1⎠ ⎝ k ⎠ ⎝ k + 1⎠
⎛ n⎞ ⎛n⎞ ⎛n⎞
(3) ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ + ... + ⎜⎜ ⎟⎟ = 2 n , (Hatványhalmaz: 2H )
⎝ 0 ⎠ ⎝1 ⎠ ⎝n⎠
12
⎛ n⎞ ⎛ n⎞ ⎛n⎞
(4) ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟ + ... + (−1) n ⎜⎜ ⎟⎟ = 0 ,
⎝ 0 ⎠ ⎝1 ⎠ ⎝n⎠
⎛n⎞ ⎛n⎞ ⎛n⎞ ⎛ n ⎞ ⎛ n ⎞ n(n − 1)
(5) ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = 1 , ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = n , ⎜⎜ ⎟⎟ = ,
⎝0⎠ ⎝n⎠ ⎝1 ⎠ ⎝ n − 1⎠ ⎝ 2⎠ 2
⎛ n ⎞ ⎛ n ⎞ ⎛ n − k1 ⎞ ⎛ n − k1 − ... − k r −2 ⎞ ⎛ n − k1 − ... − k r −1 ⎞
(6) ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⋅ ⎜⎜ ⎟⎟ ⋅ ... ⋅ ⎜⎜ ⎟⎟ ⋅ ⎜⎜ ⎟⎟ .
⎝ k1 ,..., k r ⎠ ⎝ k1 ⎠ ⎝ k 2 ⎠ ⎝ k r −1 ⎠ ⎝ kr ⎠
13
2. Valószínűségi mező
Eseménytér, eseményalgebra, valószínűségi mérték. Műveletek eseményekkel.
Klasszikus és geometriai valószínűségi mező. Szorzatmezők.
14
15
16
17
Egy másik megfogalmazásban (eseményalgebra):
18
19
20
21
22
23
24
25
Valószínűségi mezők szorzata
A szemléletünk alapján többé-kevésbé nyilvánvaló, mit jelent két (vagy több) kísérletet
egymástól függetlenül végrehajtani. Ha például az első kísérlet egy érme feldobása, a
második egy kocka feldobása, akkor a két kísérlet függetlennek tekinthető.
Ha viszont úgy módosítjuk az eljárásunkat, hogy fej dobása után szabályos kockát, írás után
pedig egy szabálytalan kockát dobunk fel, akkor az érmedobás és a kockadobás nem
független. Továbbá a visszatevéses mintavétel (azaz pl. golyók húzása urnából, kártyák
húzása egy pakliból, mindkettő visszatevéssel) egymástól független kísérletek sorozatának
tekinthető, míg a visszatevés nélküli mintavétel nem.
26
27
28
29
3. Feltételes valószínűség
Feltételes valószínűségi mező, szorzási szabály, teljes valószínűség tétele, Bayes tétel.
Események függetlensége.
30
31
32
33
34
35
36
37
38
39
4. Véletlen változók
Véletlen változó. Eloszlásfüggvény. Eloszlások osztályozása: diszkrét, folytonos és
vegyes típusú eloszlások.
40
41
42
(Megjegyzésként:)
43
44
45
46
47
48
49
Vegyes típusú eloszlások
5. Vektorváltozók
Véletlen vektorváltozó. Együttes eloszlásfüggvény. Diszkrét és folytonos vektorváltozó.
Változók függetlensége.
50
51
52
53
54
1. Diszkrét VVV
ξ VVV diszkrét, ha ∀i = 1,..., n : ξi diszkrét VV
Az eloszlást egyértelműen meghatározzák a pi1 ,..., ik = P (ξ1 = xi1 ,..., ξ n = xin ) valószínűségek:
P(ξ ∈ A) = ∑p i1 ,..., i n
( xi1 ,..., x in )∈ A
, F ( x1 ,..., xn ) = ∑p
∀k : x ik < x k
i1 ,..., i n
Áll.: Legyen (( xi1 ,..., xin ), pi1 ,..., in ) -ek egy halmaza E, melyre ∀pi1 ,..., in ≥ 0 és ∑p
( i1 ,..., i n )
i1 ,..., i n =1
2. Folytonos VVV
x1 xn
55
∞ ∞
Mivel F (∞,..., ∞ ) = 1 , így
−∞
∫ ... ∫ f (t ,..., t )dt ...dt
−∞
1 n n 1 =1
56
6. Véletlen változók jellemzői
Helyzetmutatók (várható érték, módus, medián, kvantilisek).
Szóródás mutatók.(variancia, szórás, átlagos abszolút eltérés).
Alakmutatók. (A és F mutató).
57
Osztályközös mennyiségi sor esetén az osztályközéppel kell számolni.
Értékösszeg mellett képezhetünk relatív értékösszeget. Z = értékösszegek megoszlási
viszonyszáma.
Megjegyzésként:
(((
Alapfogalmak
58
Statisztikai ismérv: a sokaság egyedeit jellemező tulajdonság.
Ismérvváltozat: az ismérv lehetséges kimenete.
Alternatív ismérv: csak két kifejezési lehetősége van (pl. férfi-nő)
Ismérvek csoportosítása:
(1) A sokaság milyen körére terjed ki:
- közös ismérv – minden elemre
- megkülönböztető ismérvek – egy-egy részre
(2) Fajtája szerint:
- időbeli ismérv – időpontot és időszakot is jelenthet
- területi ismérv – pl. állandó lakóhely
- minőségi ismérv – számszerűen nem mérhető tulajdonságot takar
- mennyiségi ismérv – megszámlálható tulajdonságot jelöl
59
A csoportosítás eredménye:
(1) Statisztikai sor: egy ismérv szerinti csoportosítás eredménye
(2) Statisztikai tábla: több ismérv szerinti csoportosítás eredménye
Statisztikai sor
Fajtái:
- A benne szereplő adatok összegezhetősége szerint:
o csoportosítható statisztikai sor – adatai összegezhetők (értelme van)
o összehasonlító sor – adatai nem összegezhetők (értelmetlen)
- A sorban szereplő adatok fajtái szerint:
o idősor: időbeli ismérv alapján csoportosítva az adatokat
állapot idősor: adatai nem összegezhetők, időpontra vonatkozik
tartam idősor: időtartamra vonatkoznak az adatok, általában adatai
összegezhetők, de csak a folytonos idősorúnál
o minőségi sor: az adatoknak minőségi ismérv szerinti rendezése
o mennyiségi sor: az adatoknak mennyiségi ismérv szerinti rendezése
o területi sor: az adatok területi hovatartozást jelentenek.
o leíró sor: azok a sorok, ahol egy jelenség különböző tulajdonságát soroljuk fel.
)))
Mennyiségi sorok ábrázolása
Derékszögű koordinátarendszerben ábrázoljuk. Vízszintes tengelyen mindig a mennyiségi
ismérveket ábrázoljuk, a függőlegesen pedig az előfordulások számát.
60
61
62
Módusz
63
64
A p-kvantilis
65
Kvartilisek – q-ad rendű kvantilis az a szám, aminél az összes előforduló ismérvérték q-ad
része kisebb és (1-q)-ad része nagyobb.
Számításuk kiinduló feltétele, a nagyság szerint sorba állított sokaság.
Az adathalmazok egyenlő felosztásával kapott helyzetmutatók:
1.) alapvető kvantilis fajta a Medián: - a nagyság szerint sorba rendezett
66
67
68
69
Átlagos abszolút eltérés
Megjegyzés:
70
Minta: ξ értékének megfigyelése n-szer: ξ1 ,..., ξ n (Lehet: független vagy nem független)
71
Alakmutatók
72
7. Nevezetes eloszlások és jellemzőik
Bernoulli-, binomiális-, geometriai-, negatív binomiális-, hipergeometriai- és Poisson
eloszlás. Egyenletes-, exponenciális- és normális eloszlás. Normálisból származtatott
eloszlások.
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
2. Itt lenne a centrális határeloszlás tétele és annak részletezése, de ezt a következő
témakörben (tételben) megtalálhatjuk.
99
100
101
102
103
104
105
106
107
Az F-eloszlás definíciója
108
109
8. Centrális határeloszlás tétel és a Nagy számok törvényei
Centrális határeloszlás tétel, Moivre-Laplace tétel. Konvergencia típusok. Nagy számok
Csebisev-, Bernoulli- és Borel-féle törvényei.
110
111
112
113
A központi határeloszlás-tétel az általános esetben
114
115
116
117
118
119
120
121
122
123
124
125
126
127
9. A matematikai statisztika
Alapfogalmak. Empirikus jellemzők.
128
129
130
131
132
133
134
135
136
137
138
10. Becsléselmélet
Becslések jellemzői. ML módszer. Konfidencia intervallum. Minimális kísérletszám.
139
140
141
142
143
144
145
146
147
148
149
150
11. Hipotézisvizsgálat
Egy- és kétmintás statisztikai próbák várható értékekre, valószínűségekre és szórásokra.
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
Irodalomjegyzék:
169